MIMO声呐目标检测性能分析

重点研究MIMO声呐的目标检测性能,为MIMO声呐布阵方式和工作模式等的选择提供理论依据。通过理论分析给出了MIMO声呐接收机工作特性(ROC)曲线的表达式,分别包括并列式和分布式MIMO声呐,同时给出了相控阵、SIMO和MISO等形式声呐的ROC表达式。通过示例比较了相同情况下并列式MIMO声呐、分布式MIMO声呐、相控阵声呐和常规多基地声呐的ROC曲线。结果表明,相同条件下相控阵声呐波束指向方向上的目标检测概率高于并列式MIMO声呐,做脉冲积累的并列式MIMO声呐可以得到与相控阵声呐相同的检测性能,低信噪比时并列式MIMO声呐和相控阵声呐的目标检测概率高于分布式MIMO声呐,高信噪比时分布式MIMO声呐可以得到较高的检测概率,采用多个发射阵元的分布式MIMO声呐性能优于使用一个发射阵元的常规多基地声呐。     

城市道路排队车辆检测方法

针对城市道路环境下的排队车辆检测问题,提出一种基于边缘信息和局部纹理特征的综合检测方法。根据交通环境的特点,对比5种不同边缘检测方法的性能,采用Canny算法提取边缘信息,采用改进的LBP方法提取纹理特征,得到车辆的综合检测结果,提取车辆排队长度和车道占有率等交通参数。分别采用综合检测方法、高斯混合模型和帧差法处理快速路、交叉路口、阴雨天气、光线突变、大雪天气、浓雾天气等场景下的视频图像,并采用ROc曲线对检测性能进行量化评价。分析结果表明：在快速路和大雪天气场景中,3种方法检测性能基本相似,最佳检测率分别接近90．0％和60．0％,虚警率分别不超过5．0％和10．0％;在交叉路口场景中,3种方法的最佳检测率分别为77．1％、31．5％、13．6％,虚警率分别为16．5％、3．2％、19．0％;在阴雨天气场景中,3种方法的最佳检测率分别为65．2％、3．0％、62．4％,虚警率分别为10．5％、5．0％、56．5％;在光线突变场景中,3种方法的最佳检测率分别为62．0％、18．9％、39．7％,虚警率分别为10．8％、55．1％、36．0％;在浓雾天气场景中,当能见度较低时,3种方法的检测率和虚警率均接近于0。     

基于ROC曲线的疲劳驾驶判别方法研究

疲劳驾驶判别是危险驾驶行为研究的主要内容之一,基于驾驶行为的疲劳驾驶判别更加直接.文中选取疲劳状态下的驾驶行为指标作为研究对象,结合不同道路线形分析疲劳对于驾驶行为的影响,获得能在相应的道路条件下显著反映疲劳驾驶的驾驶行为指标.使用ROC曲线方法分别确定不同道路线形下各个驾驶行为指标判别疲劳驾驶的阈值.根据各个驾驶行为指标及阈值,建立疲劳驾驶综合判别模型,并通过对比分析说明基于驾驶行为指标进行疲劳驾驶判别考虑不同道路线形的必要性.研究结果表明,疲劳状态对驾驶行为的影响在不同道路线形上表现不同,基于ROC曲线的疲劳驾驶判别方法可应用于基于驾驶行为的疲劳检测,不同道路线形下平均识别率达75％,平均误判率为16.5％.