多重子阵回波提取与检测方法

针对主动声呐目标检测的问题,提出了一种先提取目标回波、再加以检测的方法.构造若干相互重叠的子阵,利用子阵的波束输出提取目标回波的时间序列；运用空时二维数学量度量提取序列与理想回波序列的差异,从而实现目标的检测.区别于传统相关接收、相干累加、滤波等方法,此种解析计算的方式无需混响与信号的统计特性.通过仿真数据与实验数据的处理证明了该方法的有效性.     

基于小波变换与支持向量机的舰船水压信号检测方法

采用小波变换与支持向量机相结合对舰船水压场信号建立检测模型.该方法通过对海浪信号进行小波分解并对某一特定低频频段信号重构,利用支持向量机对重构信号建立预测模型,预测误差值作为特征值对舰船水压信号进行检测.通过检测验算表明此方法的有效性,特别是在低信噪比情况下,仍能较好地检测到目标信号.     

基于Hough变换的被动声纳航迹起始

航迹起始是航迹处理中的首要问题.研究用批处理技术中的Hough变换方法来创建航迹起始,把航迹上的观测点变换为参数空间的对应曲线,充分利用一段时间内的目标观测数据,通过Hough变换排除大量的杂波点,在低信噪比下也能从背景噪声中提取目标的航迹特征,在参数选择理想的情况下,起始精度较高,仿真试验证明了有效性.     

基于时频分布的海杂波环境下目标检测

对海杂波存在目标和没有目标两种情况进行时频分析,其时频分布图表现出明显的特征差异,在没有目标时,时频分布图比较发散,存在目标时,时频分布图中有较集中且与目标多普勒频移对应的最优曲线。利用这种差异,文章提出了基于时频分布的目标检测方法。时频分布检测方法通过查找算法得到该最优曲线,并取该最优曲线所有点的和值作为判断目标存在与否的依据。通过实测数据仿真表明该方法能够提高海杂波环境下目标检测性能。     

高频雷达信号的双线性时频分布性能研究

针对海杂波背景下高频地波雷达的目标探测问题，采用时频分析方法研究对海杂波中的非平稳多分量目标探测。讨论了海杂波背景下的目标检测问题，以及信号的双线性时频分布，通过仿真研究了时频分布性能，尤其是核函数抑制多分量目标的交叉项作用。仿真结果显示，伪Wigner-Ville分布较Wigner-Ville分布对于交叉项的抑制作用较大，而平滑伪Wigner-Ville分布降低交叉项的效果更好。     

基于三维高斯混合码本模型的运动目标检测算法

为解决智能视觉监控中码本模型参数调节困难和高斯混合模型概率分布计算的复杂性,提出了一种基于三维高斯混合码本模型的运动目标检测算法.该算法基于RGB空间建立码本模型,然后基于码字中的R、G、B分量建立三维高斯模型,从而使整个码本具有三维高斯混合模型的特征.实验结果表明:该算法具有较高的实时性(该算法的平均帧率约23.0帧/s,而iGMM(improved Gaussian mixture model)算法约9.0帧/s,BM(Bayesmodel)算法约6.2帧/s,CBM(codebook model)算法约10.7帧/s),且具有良好的检测质量.     

一种改进的分数阶Fourier变换目标检测算法

传统的信号检测和噪声分离方法只限于在时域或是频域进行，如果信号和背景噪声有很强的时频耦合，就难于在时频域得到好的检测结果。对此提出了分数阶Fourier变换检测算法做出改进，新的算法具有解除时频耦合和抑制噪声的特性，当选择合适的旋转角度使之与处理信号相匹配，就可以在分数阶Fourier域获得较好的检测结果。仿真实验中利用改进的分数阶Fourier变换算法对运动目标进行检测，结果表明新的分数阶Fourier算法的检测性能优于原分数阶Fourier变换。     

一种基于双谱的信号检测方法

分析了信噪比为-3 dB噪声背景下,采用基于双谱的检测方法对微弱信号叠加随机噪声进行处理.由于任何高斯随机过程或服从高斯分布的随机矢量的高阶累计量为0的特点,高阶累计量可完全抑制高斯噪声的影响.仿真结果表明,基于双谱的目标检测方法也能较好抑制随机噪声,与传统的FFT检测方法相比,检测效果良好.     

一种基于深度神经网络的腕臂底座开口销缺失检测算法

在接触网装置故障中,腕臂底座(包含平腕臂底座和斜腕臂底座)开口销缺失较常见,包括横向和垂直销钉开口销缺失两种.为对腕臂底座开口销缺失缺陷进行自动识别,本文提出一种基于深度神经网络的腕臂底座开口销缺失检测算法:首先采用YOLO算法对原始大图进行一级定位得到腕臂底座区域,然后对腕臂底座区域进行二级定位得到开口销区域小图,最后采用CNN(卷积神经网络)分类算法对横向和垂直开口销小图进行分类识别.实验测试证明该检测算法识别准确率高、漏检率低,可对腕臂底座开口销缺失进行有效检测.     

面向地铁场景的激光雷达目标检测研究

针对列车运行前方限界难以实时构建、非结构化轨道道路环境目标聚类检测复杂等问题，提出一种基于激光雷达的目标检测及前方界限实时构建系统。首先，采用了空间换时间的策略提升轨道提取效率，利用轨道局部高程信息、全局几何平行信息并融合多帧信息实现轨道稳定提取，从而基于提取的轨道位置实时构建列车通行的前方限界；其次，基于点云深度图、梯度与距离特征解决了非平铺路场景下的障碍物聚类问题，采用航迹信息进行多目标跟踪提高目标跟踪的稳定性。通过在地铁场景实车测试验证，结果表明该方法能够准确可靠地提取轨道位置和进行目标检测与跟踪。