基于波形域的匹配滤波前抗间歇采样转发干扰方法

间歇采样转发干扰属于一类脉内相干欺骗干扰,其运用欠采样原理,在距离维上产生多个虚假的目标峰,从而干扰真实目标的检测与跟踪。为了解决这一问题,该文提出了一种基于波形域的匹配滤波前抗间歇采样转发干扰方法。首先,考虑到间歇采样转发干扰的部分匹配特性,该文在匹配滤波过程中引入了扩展域,即波形域,以研究干扰信号与真实目标回波信号元素的局部特征,并在每个波形域上定义了自适应的阈值函数。其次,引入卡尔曼滤波对波形域信号进行状态估计,通过自适应阈值检测筛选出波形域信号中的有效积分元素与无效积分元素,并建立关于有效积分元素的估计状态空间。最后,在抑制波形域信号中的无效积分元素的同时,从有效积分元素的估计状态空间中补充相应长度的积分元素,保留剩余的有效积分元素,通过积分得到不含虚假目标的距离像结果。该文所提方法不倚赖于任何干扰机参数等先验信息,即可有效抑制间歇采样转发干扰。仿真实验表明,与传统方法相比,该文方法实现的抗间歇采样转发干扰性能更优。

改进YOLOv7的无边界不连续旋转检测算法

针对遥感图像中目标方向、尺度和长宽比变化剧烈以及时而密集时而稀疏排列等造成的特征提取困难和基于回归的旋转检测器中存在的边界不连续问题,我们提出了以下解决方案:首先,使用YOLOv7检测器进行特征提炼与融合;其次,结合密集编码标签(Densely Coded Label,DCL),构建角度分类编码-解码器,实现旋转检测;然后,改进SimOTA自适应样本匹配策略为R-SimOTA,通过在代价函数中增加角度分类损失指导,提高样本分配准确性;最后,在损失函数中增加角度分类损失(DCL Loss)和权值(theta),并引入角度距离和长宽比敏感加权(Angle Distance and Aspect Ratio Sensitive Weighting,ADARSW),指导模型收敛并拟合出正确的角度预测值。在大型遥感图像数据集DOTA上进行了大量实验和视觉分析,结果表明该方案有效。

基于聚类模型预测的无线传感网自适应采样技术研究

该文利用无线传感网(WSNs)的数据空间相关性,提出一种基于数据梯度的聚类机制,聚类内簇头节点维护簇成员节点的数据时间域自回归(AR)预测模型,在聚类内范围实施基于预测模型的采样频率自适应算法。通过自适应优化调整采样频率,在保证数据采样精度的前提下减少了冗余数据传输,提高无线传感网的能效水平。该文提出的时间域采样频率调整算法综合考虑了感知数据的时空联合相关性特点,仿真结果验证了该文算法的性能优势。

用于宽带频谱感知的全盲亚奈奎斯特采样方法

亚奈奎斯特采样方法是缓解宽带频谱感知技术中采样率过高压力的有效途径。该文针对现有亚奈奎斯特采样方法所需测量矩阵维数过大且重构阶段需要确切稀疏度的问题,提出了将测量矩阵较小的调制宽带转换器(MWC)应用于宽带频谱感知的方法。在重新定义频谱稀疏信号模型的基础上,提出了一个改进的盲谱重构充分条件,消除了构建MWC系统对最大频带宽度的依赖;在重构阶段,将稀疏度自适应匹配追踪(SAMP)算法引入到多测量向量(MMV)问题的求解中。最终实现了既不需要预知最大频带宽度也不需要确切频带数量的全盲低速采样,实验结果验证了该方法的有效性。

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。

基于功率中值和归一化采样协方差矩阵的自适应匹配滤波检测器

在非均匀海杂波环境中,参考单元中的异常单元限制了采样协方差矩阵(SCM)的估计性能,从而影响了传统自适应匹配滤波(AMF)检测器的检测性能。而考虑删除异常单元的方法在参考单元数目有限时可能导致矩阵的奇异性。鉴于此,在保持参考单元数目不变条件下,该文设计一种基于功率中值与归一化采样协方差矩阵(MNSCM)的估计方法,并将其与匹配滤波器(MF)相结合,构造一种新型的自适应匹配滤波检测器。与传统的自适应匹配滤波相比,该文设计的检测器在实测和仿真海杂波数据条件下均具有明显的性能优势。

自适应编码调制的一种高效半盲检测算法

给出一种基于协议信息的自适应编码调制高效半盲检测算法,该算法同时采用信号多序列抽取和信号多频点滑动匹配两种方法,能够有效克服中频调制信号最佳采样点偏差和频率偏差的影响,可以准确高效地识别出信号类型、信道编码方式、调制类型。实验表明,该算法在低信噪比下就能达到很高的识别率,性能明显优于传统模式识别的检测算法,具有较好的实用前景。

一种面向图像拼接的快速匹配算法

针对图像拼接中尺度不变特征变换(Scale invariant feature transform,SIFT)算法的计算复杂度高、实时性差和误匹配等问题,提出了一种基于自适应非极大值抑制(Adaptive non-maxima suppression,ANMS)的Radon-SIFT方法。首先采用SIFT特征检测提取初始特征点,并用ANMS对初始特征点进行优选,得到分布均匀的特征点集;在特征区域内做一系列直线,以这些直线上的Radon变换值作为特征描述符,以欧氏距离为度量准则进行特征匹配,然后采用随机抽样一致性(Random sample consistency,RANSAC)算法剔除误匹配点,从而提高了算法的正确匹配率和运算速率。仿真结果表明,该文算法具有较高的精度和较强的鲁棒性,且运算量少,实时性强。

宽带直接采样接收机的高速运动补偿方法

针对宽带直接采样数字接收机,建立高速运动目标回波的解释表达方法,分析目标高速运动对一维距离像和逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像的影响.提出一种自适应匹配滤波的高速运动补偿方法,该方法利用雷达测距、测速系统得到的目标速度估计值构造新的匹配滤波器,补偿目标高速运动对回波信号幅度和相位的影响,从而消除一维距离像的畸变,提高ISAR成像的质量.仿真试验和实测数据处理结果验证了该方法的有效性.

题库查找问题的一类简单局部采样算法

近年来,诸如在线查题这样的图像匹配问题,由于广泛的用户需求和良好的应用前景,日益得到重视。对于这类题库匹配查找问题构建了一类新型的局部采样算法,该算法适用于轻微变形且文字较为稀疏的题库问题,如数学题库。对于经过预处理后的图像,采用不同的空间步长,仅仅针对每幅图像的中间部分进行间隔的降采样,并对采样结果进行简单的行(列)求和构建相应的低维特征向量,利用所得低维特征向量进行自适应查找匹配。最后,实验结合倾斜与变形图像、边缘模糊图像这两类情形进行算法测试,获得了令人满意的查找结果。

一种自适应压缩采样匹配追踪算法

压缩采样突破了奈奎斯特采样定理的限制,以低于奈奎斯特率对信号进行采样,通过相关算法精确恢复信号。依据重建算法需要稀疏度这一先验信息,提出一种自适应压缩采样匹配追踪信号重建算法,该算法摆脱对稀疏度的依赖,通过自适应调整步长逐步逼近原始信号。仿真结果表明,该算法能精确地对信号进行重建,重建概率和计算复杂度均有所改善。

基于方向自适应采样搜索的快速运动估计算法

为了提高运动估计的搜索精度,提出了一种方向自适应采样搜索的运动估计算法。先利用搜索模板中块匹配误差的信息,自适应地采用两种三角搜索模板交替搜索,再针对大运动矢量的搜索,引入局部采样搜索策略。搜索过程中引入提前终止策略,提高了搜索速度。实验结果表明,在保证搜索速度的前提下,其峰值信噪比(PSNR)比全搜索算法平均降低了0.28 dB,提高了搜索精度。

基于CS的稀疏度变步长自适应压缩采样匹配追踪算法

通过对压缩感知(CS)理论进行研究和分析,在传统的重构算法的基础上,提出稀疏度变步长自适应压缩采样匹配追踪算法(CSVssAMP)。采用压缩采样和可变步长自适应变换的思想,解决了稀疏性未知信号的重构问题,有效地提高了数据的重构效率。相比传统的重构算法,该算法不需要预先已知稀疏度,并且每次迭代选择多个原子可以更精准地恢复低噪声信号。采用自适应变步长替换固定步长,提高了重构速率和目标精度。仿真结果表明,与现有重构算法相比,该算法的重构效果更好。

使用能量匹配的监控视频自适应速率压缩感知

获取信号稀疏度对压缩感知(CS)性能的提升有重大意义,但在采样端不进行完整信号数字化采集和存储的情况下,对信号稀疏度进行估计比较困难。现有方法在稀疏度估计性能和计算复杂度方面难以取得较好的平衡。针对采样端对信号特性未知的监控视频应用,该文提出一种新的使用能量匹配的自适应速率压缩感知方法(ARCS-EM),通过观测一个恒定低速率的压缩感知观测结果来对当前帧实际稀疏度进行估计,然后根据估计结果决定当前帧应执行的压缩感知测量数,再进行补充测量得到当前帧的优化压缩感知采样结果。实验结果表明,该方法可以较好地适应视频中前景稀疏度的变化,为每帧图像分配适当的压缩感知测量速率,在不显著提高采样端计算复杂度的前提下,有效提高重建视频的质量。

基于自适应匹配的QR码取样方法

通常由相机获取的QR码图像都带有一些失真,所以在译码前需要对获取的QR码图像进行识别以得到标准规格的QR码。针对QR码识别中的失真和校正进行了分析研究,解决了某些QR码经过倾斜校正和几何校正后仍存在一些无法避免的失真而无法被传统方法准确取样的问题,提出了一种自适应匹配取样法,根据相邻行(列)像素的匹配度准确获取QR码的模块有效取样区域。实验证明该方法稳定性好,能够快速准确地对QR码进行取样。

一种改进的稀疏度自适应变步长正则化匹配追踪算法

介绍了压缩感知理论的基础知识,并分析了压缩感知的重建算法。正则化正交匹配追踪算法引入了正则化思想进行原子筛选,使迭代次数减少,但前提是要知道信号的稀疏度。稀疏度自适应匹配追踪算法可以通过设置终止条件来使稀疏度自适应,但迭代次数较多,时间成本较大。在两种方法的基础上提出了一种改进的稀疏度自适应变步长正则化匹配追踪算法,该算法克服了上述两种算法的缺点。仿真结果表明,文中提出的算法较准确地重构出原始信号,且运算时间较低。

基于变步长分阶自适应匹配追踪算法的振动数据重构方法研究

在处理多维海量振动数据时,存在极大的存储和传输压力问题,针对这一问题,对压缩感知理论进行了研究,在选择最优测量矩阵的基础上,提出了一种变步长分阶自适应匹配追踪(VSSStAMP)算法。该算法将匹配追踪、变步长迭代及自适应思想相结合,通过双重阈值和可变步长控制信号的重构精度,弥补了传统的重构算法需提前得到信号的稀疏度,以及稀疏度自适应匹配追踪算法(SAMP)重构结果与步长关联较大的不足,从而实现了步长自适应的振动信号重构。研究结果表明:相对于传统的重构算法和SAMP算法,VSSStAMP算法在均方误差和运行时间等方面均有所改善,有效地提高了振动信号重构的精度和效率。

IC芯片视觉检测中快速图像匹配定位

利用IC芯片定位图像特征,提出一种用其投影特征的基于优势遗传自适应遗传算法(AGA)的快速匹配算法(P-AGA)。设计基于图像灰度投影特征的匹配规则,使算法适应于一定的噪声、缩放、旋转和变形图形,而且运算量小。对图像采用2×2重采样,使运算量降低3/4。匹配过程是在二维图像空间的随机寻优,提出优势遗传的AGA,用匹配距离作为适应度函数,并自适应改变交叉变异概率进行匹配寻优,快速准确求出全局最优匹配点。实验表明,该算法比标准遗传算法(SGA)快约1.9倍,准确度提高约22.5%,有效提高匹配速度和准确度,有很强的抗噪声能力,鲁棒性好。