【摘 要】
：
利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段。实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大。该文分析训练样本集对旋翼无人机分类结果的影响。首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回波仿真模型。然后对其进行微多普勒特征分析提取,构建多种不同情况下的合并多普勒图像(Merged Doppler Images,MDI)训练样本集。最后利用GoogLeNet(Inceptio
【机 构】
：
中国民航大学天津市智能信号与图像处理重点实验室
【基金项目】
：
天津市研究生科研创新项目(2019YJSS071)。
论文部分内容阅读
利用卷积神经网络对目标微多普勒特征进行深度学习是目前雷达探测无人机分类的重要手段。实际应用中,无人机参数如叶片转速、叶片长度、叶片初始相位、无人机方位角、无人机俯仰角、无人机径向速度等参数变化大,导致训练样本变化大。该文分析训练样本集对旋翼无人机分类结果的影响。首先建立单旋翼无人直升机、四旋翼无人机和六旋翼无人机雷达回波仿真模型。然后对其进行微多普勒特征分析提取,构建多种不同情况下的合并多普勒图像(Merged Doppler Images,MDI)训练样本集。最后利用GoogLeNet(Inceptio
其他文献
咬尾是一种将卷积码转换为块码的技术,它消除了归零状态所造成的码率损失,同时避免了截尾带来的性能降低,在短块编码中具有明显优势。针对咬尾卷积码(TBCC)现有译码算法复杂度过大和收敛性问题,提出一种低复杂度的TBCC自适应循环维特比(VA)译码算法。该算法根据信道变化自适应调整译码迭代次数,使咬尾路径收敛到最佳。通过仿真对比不同译码算法的块错误率和译码迭代次数,结果表明TBCC性能明显好于传统卷积码;相比于同类循环VA算法,在不降低性能的前提下,改进算法简化了停止规则,减少译码迭代次数和复杂度,在低信噪比时
合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测紧贴军事和民用需求,为海洋监视提供重要信息支撑。针对复杂大场景SAR图像,本文设计了一种基于级联网络的舰船目标检测框架,该网络框架主要由D-BiSeNet海陆分割、分块区域筛选和CP-FCOS目标检测三部分组成。通过改进双边网络(D-BiSeNet)进行SAR图像海陆分割,增强了图像空间位置信息及网络边缘损失,提高了分割性能。通过海域面积比参数设定进行分块区域筛选,可以有效选择网络处理图像块,提升算法整体检测效率。CP
网络社交的流行与普及,使得微博等短文本区别于以往传统文章,具有了独有的文学表达形式和情感发泄方式,导致基于短文本的机器学习情感分析工作难度逐渐增大。针对微博短文本的语言表达新特性,爬取收集大量无情感标记微博数据,建立微博短文本语料库,基于全局语料库构建词与短文本的全局关系图,使用BERT(Bidirectional Encoder Representations from Transformers)文档嵌入作为图节点的特征值,采用图卷积进行节点间的特征传递和特征提取。采样部分无情感标记微博数据进行人工标注
为了提高跳频通信系统的抗干扰能力,本文提出一种结合干扰信息综合考虑跳频序列的汉明相关性、均匀性、被干扰概率和跳频增益的抗干扰跳频序列优化设计方法。使用改进灰狼算法求解优化问题,提出新型反向学习策略和使用莱维飞行的个体信息交流机制,提升灰狼算法性能。通过基本测试函数的仿真实验表明本文的改进灰狼算法比其他灰狼算法有更好的收敛速度和求解精度。本文的抗干扰跳频序列优化设计结果表明,在多种干扰情况下,本文方法设计的跳频序列相比于传统跳频序列和宽间隔跳频序列具有更强的抗干扰能力。
针对低信噪比条件下海面目标分类识别精度差的问题,该文提出了一种基于去噪卷积神经网络(Denoising convolutional neural network,DnCNN)的海面目标高分辨一维距离像(High Resolution Range Profile,HRRP)识别方法。所提方法设计了一个海面目标分类识别模型,该模型通过其中的降噪模块提高信噪比。首先,分析了HRRP和二维图像的相似特性,将HRRP降噪转变为二维图像降噪。其次,利用深层次卷积层与批归一化层相结合的结构,提取图像深层次的噪声特征,最
矩阵低秩估计模型在图像处理任务中有着广泛地运用。针对图像去模糊,利用矩阵低秩先验能保留图像的重要边缘信息从而实现去模糊。而对于多帧图像去模糊,基于矩阵的低秩模型并未充分考虑多帧图像间的时序和空间关系。针对该问题,我们提出基于三维张量低秩先验的多帧视频图像盲去模糊模型。在模型中,首先将多帧连续图像按时序维堆叠成张量,显式地考虑多帧图像间的时空关系,同时利用张量低秩先验约束保留图像重要纹理结构信息。利
传统多假设跟踪(Multiple Hypothesis Tracker,MHT)算法假定杂波强度先验已知,在未知杂波的观测场景中,杂波强度误差将导致数据关联的准确性急剧下降。针对这一问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的在线杂波估计MHT算法。首先利用核密度函数拟合未知的杂波密度函数,并自适应地估计出该时刻波门内的杂波强度;然后利用杂波强度估计值计算假设航迹的得分函数,提高了数据关联的准确性和目标跟踪的稳定性。仿真结果表明,在未知杂波观测场景中,M
研究了具有三个全双工源节点的协作通信系统,为提升系统有效性和可靠性,提出了两种信源间全双工协作通信的空时编码方案。将正交空时码理论应用其中,可以有效利用空间分集增益,抵抗多径衰落,提高系统性能。方案分为共享兼传输阶段与协作传输阶段。在共享兼传输阶段进行信源间的信息共享同时也会向目的节点发送信息,在协作传输阶段,源节点间形成虚拟MIMO向目的节点发送信息。推导了系统各个接收端的中断概率,仿真结果表明,与现有源节点工作在半双工模式下的协作传输方案对比,该方案有效提升了吞吐量和中断概率性能,在中断概率为10-3
动态纹理在空间和时间上表现出"外观"和"运动"属性,为了有效结合这两种属性进行动态纹理分析,本文提出一种基于时间—顶点谱图小波变换与边缘分布协方差模型的动态纹理分类方法。该方法将动态纹理看成时间—顶点图信号,利用时间—顶点谱图Meyer小波变换对动态纹理进行多尺度分解,再对每个子带应用边缘分布协方差模型,由此得到带内相关性的特征协方差矩阵作为动态纹理特征进行分类。由于时间—顶点图信号的表示可以有效
针对分布式多输入多输出(Multiple-input Multiple-output,MIMO)雷达回波信号相参积累问题,提出了一种利用信息熵作为优化准则的多节点回波相位补偿与相参积累方法。采用正交频分复用线性调频信号(Orthogonal Frequency Division Multiplexing Linear Frequency Modulated Signal,OFDM-LFM)作为发射波形,通过匹配滤波完成耦合回波分离和脉冲压缩,然后在频域进行频移操作消除步进频的相位影响,利用信息熵估计距离对