基于小波脊频级联特征的雷达辐射源信号识别

为识别复杂体制雷达辐射源信号,提出了一种基于小波脊频级联特征提取的信号识别方法.该方法采用新的小波原子和脊线检测策略提取信号的脊频特征,并提取其级联特征作为信号识别向量.仿真结果表明,采用级联特征能有效地识别辐射源信号,当信噪比为5 dB时,识别率达95%以上.与传统小波和现有方法相比,所提出的方法具有更好的信号识别效果.     

基于宽带时延-时间伸缩的目标几何像求解方法研究

提出了一种基于宽带时延-时间伸缩的目标几何像求解方法．传统的宽带相关成像得到的目标散射点的时延-时间伸缩分布像相对于目标的几何像是扭曲的，通过对多个相邻回波的时延-时间伸缩分布图的特征提取，得到目标的运动参数，据此将目标的时延-时间伸缩像转化为目标的几何像，便于进行下一步的目标识别和图像增强．通过计算机仿真验证，表明该方法是有效的．     

基于小波变换的一种多普勒雷达目标识别方法

雷达技术６０年来取得了巨大的发展,特别是随着现代计算机技术和现代信号处理技术的成熟与发展,使雷达由参数测量向非参数测量发展。雷达对目标的识别成为新一地达的发展重点。文中应用小波变换技术,对多普勒体制雷达的音频信号进行分析。从其中一个距离波门获取的多普勒信号中成功地提取了目标的数量等信息。也就是取得了以对目标的高分辨率。且计算速度快、数据量小。不利于实现实时信号处理。     

微机指纹自动识别系统的设计及实现

提出了一个基于微机的指纹自动识别系统的结构、预处理算法、特征提取及实现过程。运用实际样本进行了对照识别，试验成功率为１００％，识别正确率为９８。１％从而表明利用微机可准时实时地对指纹图像进行分类与识别。     

基于数据子空间的探地雷达图像岩体结构分析

地下岩体结构探地雷达探测方法是一种行之有效的方法,探测中探地雷达向地下发射电磁波并记录回波,地下地质结构信息以探地雷达记录的回波图像数据表示。由于环境的复杂性、雷达回波记录信号在传输过程中能量衰减,使得有用的小目标弱回波信号被杂波、噪声等干扰与掩埋,探地雷达记录信号中地下小目标结构特征难于识别,地质解译困难。研究信号子空间多信号分类的数值分析方法,分析处理探地雷达图像剖面数据,并以模拟实验和探地雷达在隧道超前地质预报场地实验中采集的数据为例,验证本方法的有效性,得到了好的效果,实验证明本方法可行。     

小波包在雷达杂波信号处理中的应用

针对雷达信号和杂波信号的频率特点，提出了运用小波包理论中的最佳基加阈值处理的方法进行雷达信号的处理，并用模拟的数据进行仿真实验．仿真结果表明，利用小波包理论进行雷达信号的处理，能够较好地抑制杂波，减弱杂波对信号的干扰，提高了对信号的识别能力．     

基于小波变换的船用雷达海杂波小目标检测

强海浪中小目标回波的检测一直是船用雷达目标识别的难点,但现有的统计方法难以准确和全面地描述复杂的海杂波特性.要突破这一局限性,以获得对复杂现象更有效的描述,就迫切要求使用新技术.文中利用小波理论,针对强海浪下点目标和低矮宽大目标二类以往难以检测的目标,通过区分噪声、点目标、低矮宽大目标在小波变换下不同的奇异特征、设计了一套能够识别出点目标和低矮宽大目标的方案.     

基于视频深度学习的铁路周界入侵检测算法研究

基于视频智能分析的铁路周界入侵检测算法相比于雷达、振动光纤，具有成本低、误报率低的优点. 针对视频中存在不同分辨率目标的问题，提出一种改进的Cascade Mask RCNN( CMR)模型，使用级联结构获得目标的准确定位. 为增强模型对小目标的检测能力，在原始模型的基础上，增加基于特征金字塔网络(FPN)的多尺度特征提取模块和基于空洞金字塔汇聚(ASPP)子网络的空间上下文增强模块. 在实际铁路周界入侵场景视频中验证了模型的有效性. 结果表明，该模型可实现不同场景下的铁路周界入侵检测，相较于原始模型，新模型对小目标检测的F-measure 提高了0.24. 模型既解决了不同场景下铁路周界入侵检测问题，又有效地提高了视频智能分析对小目标检测的准确率.     

基于轻量化网络和注意力机制的智能车快速目标识别方法

为提高智能车在真实环境中的实时检测能力，改善复杂环境下检测效果不佳的问题，本文提出一种基于轻量化网络和注意力机制的智能车快速目标识别方法。首先，为了减少网络计算参数和提升目标识别算法的推理速度，提出利用GhostNet加速YOLOv4的特征提取；其次，为了提高复杂场景下对道路目标的识别精度，在GhostNet和特征金字塔部分添加结合软阈值化改进的注意力模块；最后，为了验证本文提出方法的有效性，选取Pascal VOC、KITTI公开数据集和自制城市道路数据集进行实验对比。与其他目标检测算法在精度和速度上进行比较，结果证明，本文方法在平均检测精度提升1.7%的情况下，模型参数量降低到原来的18.7%，检测速度提升了 66%，检测速度和精度均优于其他算法，可满足智能车的实时感知需求。     

多尺度模型与矩描绘子相结合的手势识别算法

提出了一种基于单目视觉的手势识别算法．通过用户初始化过程获取基本识别参数，结合视频跟踪的过程实时获取用户手势区域，在该区域内采用矩描绘子与多尺度模型相结合的方法进行特征提取，对于提取出的特征采用分类识别规则，实现对手势1～10的正确识别．经过试验证明，该算法可以适用于不同用户，识别正确率达到93．5％．