针对强地物杂波背景下弹载雷达目标检测与识别的技术难题,提出将高分辨距离像(high resolution range profile,HRRP)技术和多普勒波束锐化技术联合对地面进行二维高分辨成像,提高雷达在杂波下目标检测与识别的性能。该方法以线性调频步...针对强地物杂波背景下弹载雷达目标检测与识别的技术难题,提出将高分辨距离像(high resolution range profile,HRRP)技术和多普勒波束锐化技术联合对地面进行二维高分辨成像,提高雷达在杂波下目标检测与识别的性能。该方法以线性调频步进频(linear frequency modulation stepped frequency,LFM-SF)信号为基本波形,首先对平台速度产生的多普勒效应等问题进行了详细讨论并校正;然后通过距离像抽取获得各帧对应的HRRP序列,并采用方位快速傅里叶变换(fast Fourier transform,FFT)实现方位高分辨;最后对实际飞行状态下平台造成的误差进行运动补偿,完成对波束内区域的二维分辨。实测数据的处理验证了所提算法的有效性与实用性。展开更多
针对目标跟踪所面临的尺度变化、快速运动导致的跟踪漂移或失败问题,提出一种复杂场景下自适应特征融合的图像运动目标跟踪算法。本文分别设计了目标分类和目标估计模块,并将其有效结合。在目标分类模块,设计了一种自适应特征融合机制...针对目标跟踪所面临的尺度变化、快速运动导致的跟踪漂移或失败问题,提出一种复杂场景下自适应特征融合的图像运动目标跟踪算法。本文分别设计了目标分类和目标估计模块,并将其有效结合。在目标分类模块,设计了一种自适应特征融合机制。该机制融合了多层深度特征以实现有效的在线跟踪。此外,设计的联合更新策略通过优化投影矩阵层和相关层,在处理运动模糊、严重目标形变时具有更强的鲁棒性。在目标估计模块,引入IoU(Intersection over Union)最大化的理念,预测目标和估计边界框之间的IoU分数,在跟踪过程中,通过使用梯度上升最大化IoU分数来估计目标状态,获得更加精确的边界框。实验结果表明,本文所提出的算法具有更出色的跟踪性能,其在OTB100,UAV123及LaSOT数据集上的S AUC分别为70.1%,47.6%和51.6%,优于其他相关算法。展开更多
文摘针对强地物杂波背景下弹载雷达目标检测与识别的技术难题,提出将高分辨距离像(high resolution range profile,HRRP)技术和多普勒波束锐化技术联合对地面进行二维高分辨成像,提高雷达在杂波下目标检测与识别的性能。该方法以线性调频步进频(linear frequency modulation stepped frequency,LFM-SF)信号为基本波形,首先对平台速度产生的多普勒效应等问题进行了详细讨论并校正;然后通过距离像抽取获得各帧对应的HRRP序列,并采用方位快速傅里叶变换(fast Fourier transform,FFT)实现方位高分辨;最后对实际飞行状态下平台造成的误差进行运动补偿,完成对波束内区域的二维分辨。实测数据的处理验证了所提算法的有效性与实用性。
文摘针对目标跟踪所面临的尺度变化、快速运动导致的跟踪漂移或失败问题,提出一种复杂场景下自适应特征融合的图像运动目标跟踪算法。本文分别设计了目标分类和目标估计模块,并将其有效结合。在目标分类模块,设计了一种自适应特征融合机制。该机制融合了多层深度特征以实现有效的在线跟踪。此外,设计的联合更新策略通过优化投影矩阵层和相关层,在处理运动模糊、严重目标形变时具有更强的鲁棒性。在目标估计模块,引入IoU(Intersection over Union)最大化的理念,预测目标和估计边界框之间的IoU分数,在跟踪过程中,通过使用梯度上升最大化IoU分数来估计目标状态,获得更加精确的边界框。实验结果表明,本文所提出的算法具有更出色的跟踪性能,其在OTB100,UAV123及LaSOT数据集上的S AUC分别为70.1%,47.6%和51.6%,优于其他相关算法。
