静止背景下运动检测的像素线阵分割算法在视频监控中的应用

运动识别和检测在数字视频监控系统中是关键环节.本文提出了一种摄像机作为监控前端,静止背景下运动物体的检测算法.相对于传统的关键桢全画面像素做差算法,它进行了简化和改进,将监控画面进行了线阵处理和划分,只针对特定的几条关键线阵像素进行对比计算.在不影响运动检测准确度的前提下,极大缩短了程序的计算时间,提高了系统工作效率.     

一种利用运动补偿的改进JPDA-UKF算法

在恒虚警条件下,针对传统的航海雷达模拟器目标跟踪采用的基于不敏卡尔曼滤波的联合概率数据互联算法(JPDA-UKF)发散、复杂度高和实时性差的问题,提出了一种利用运动补偿的笛卡尔坐标下改进的JPDA-UKF滤波方法。该算法引入相邻周期回波间运动补偿提取的目标量测可信度矩阵,限制进入跟踪门相交区域中的虚假量测数量,并将软跟踪门技术应用于滑窗逻辑法实现航迹管理。仿真结果表明,所提方法径向速度误差比传统的JPDA-UKF算法与自适应的α-β滤波算法分别降低10%和20%,目标获得稳定航迹后径向速度归一化均方根误差(RMSE)比上述两种方法分别具有约10 dB和15 dB的性能优势,算法的复杂度符合真实雷达的边扫描边跟踪的实时处理。     

交互式全息成像系统技术在运动生理实验教学中的前景

在运动生理学实验教学中应用多媒体技术,已经成为主流趋势目前的多媒体技术种类较为丰富,之所以用之广泛,是因为通过多媒一方面可以帮助教师更好地完成教学任务,实现课堂教学的全员性、多信息和高效率,另一方面运动生理学实验是联系课堂理论教学的桥梁,是理论与实践相结合的重要环节,其意义在于通过实验使学生不仅理解和掌握运动生理学的理论知识,而且学会分析和运用实验数据来指导体育运动和教育实践,同时能培养学生的综合能力,可以有效地调动学生的学习兴趣,提高学习效率。目前,由于招生人数的增加,各高校大都面临着实验设施不足、实验经费紧张的局面,交互式全息成像系统技术的出现使得多媒体教学手段、水平再上一个新高度,发生了质的改变。     

SAR成像系统重频抖动的影响及补偿

合成孔径雷达(SAR)系统要求时间严格同步,从而可利用脉冲间的相干性进行方位处理。推导了重频抖动造成的时间同步误差对SAR成像方位聚焦的影响以及其极限值,并给出了补偿方法。采用实际系统参数进行了仿真验证,并分析了存在重频抖动误差的实际SAR成像雷达系统,实测数据处理和补偿结果验证了理论的有效性。所提方法对实际雷达系统的设计、问题分析和SAR成像处理误差补偿有指导意义,具有较高的实用价值。     

FSK避障雷达的APFFT测距及误差补偿

由于频移键控(Frequency-Shift Keying,FSK)体制避障雷达在动目标分辨与测量上的明显优势,基于FSK体制避障雷达系统的基本原理和结构,通过Matlab建立了测量系统与信号模型,使用全相位快速傅里叶变换（All-phase Fast Fourier Transformation,APFFT)算法进行了相关测量仿真和测量参数计算。通过对不同条件下的仿真结果分析,得出了测量结果误差产生的原因,并提出了相应的误差补偿方法,大大降低了测量误差,使得相对误差降低至0.1%以下。另外,还对多目标的分辨与测量进行了仿真。     

面向SAR图像处理的生成式对抗网络应用综述

针对缺少合成孔径雷达（Synthetic Aperture Radar,SAR）目标图像数据导致的识别网络难以训练的问题,总结了现有的基于深度学习方法的解决方案。归纳了现阶段生成式对抗网络（Generative Adversarial Network,GAN）的发展情况,以及主要的衍生模型及其特点与优势。综述了GAN在SAR图像生成与风格迁移两方面的应用情况,并合理分析了应用中的技术难点和问题。最后结合深度学习的发展趋势,展望了GAN在SAR智能解译方面的应用。     

基于SHARC处理器的PGA算法实现

合成孔径雷达(SAR)实时处理技术的发展对相位梯度自聚焦(PGA)算法的工程实现提出了要求。基于以多片主流SHARC处理器为核心构成的硬件平台,针对PGA算法数据处理量大、计算复杂度高的特点,设计开发了并行处理的系统拓扑和程序流水结构及其软件程序。机载SAR实测数据的处理结果验证了该方案的有效性。     

决策可靠性分析及在SAR图像目标识别中的应用

决策融合是提高合成孔径雷达（Synthetic Aperture Radar,SAR）目标识别性能的重要手段,然而,可靠性较弱的决策往往会导致最终决策融合的效果变差。将可靠性分析引入基于决策融合的SAR目标识别方法中,分别计算各个决策的可靠性系数并选取可靠性的决策参与最终的决策融合。为了验证方法的有效性,分别将提出的可靠性分析应用于多特征决策融合以及多分类器决策融合并基于MSTAR（Moving and Stationary Target Acquisition and Recognition）数据集进行了目标识别实验。在基于主成分分析、线性鉴别分析和非负矩阵分解三种特征进行多特征决策融合的条件下,所提方法和直接进行决策融合的方法的识别率分别为97.47%和96.50%。在基于K近邻、支持向量机和稀疏表示分类器的多分类器决策融合中,所提方法和直接进行决策融合的方法的识别率分别为97.10%和96.28%。实验结果充分证明了所提方法的有效性。     

超高分辨率PolSAR图像去噪对极化特征的影响

随着超高分辨率极化合成孔径雷达(PolSAR)图像数据的出现,有必要对PolSAR图像的去噪过程对于极化分解结果的影响进行评测。相干斑去噪过程的实施将对观测场景中的PolSAR图像原有极化属性产生不同程度的影响,这将会导致分解结果出现偏差。以非相干分解模型为评估对象,以喷气推进实验室(JPL)提供的开源机载超高分辨率PolSAR系统数据为实验样本,提出了一种利用绝对相对误差的定量评测方法。评测结果显示：对于超高分辨率图像,相干斑噪声的影响明显变小,分解窗口可相应的缩小为7×7的尺寸。研究结果对于PolSAR图像的后期遥感应用中的参数选择具有重要参考意义。     

高速移动OFDM系统信干比的低复杂差分计算

针对高速移动正交频分复用系统,提出了迭代消除子载波干扰的 信干比差分计算方法。该方法把前后两次迭代的子载波干扰进行差分运算,差分运算值的加 权作为干扰,每次迭代消除子载波干扰后的信号作为有用信号,实现信干比的计算。 误差分析和仿真数据表明：采用这种方法计算信干比可以有效估算出系统信干比,同时算法 复杂度较低。