针对低信噪比(SNR)条件下雷达信号识别率低的问题, 提出一种基于多时频图像融合和扩张残差网络的识别方法。首先, 通过多种时频分析方法, 将雷达信号变换为不同的时频图, 并对这些时频图进行融合和处理。然后, 构建一种新网络模型, 将扩张残差网络与特征融合提取模块相结合, 对10类雷达信号进行识别。仿真结果表明, 当SNR为-6 dB时, 所提方法对10类雷达信号整体识别准确率达到98.7%。
雷达信号识别 时频分析 特征融合 特征融合提取模块 扩张残差网络 radar signal recognition time-frequency analysis feature fusion DFFE dilated residual network
1 上海航天控制技术研究所上海 201109
2 中国航天科技集团红外探测技术研发中心上海 201109
针对精确制导中目标的自动识别、稳定跟踪与抗干扰需求, 提出了一种基于激光雷达与红外数据融合的目标识别与抗干扰方法。首先采用一致性点漂移(CPD)算法对目标在不同图像中的轮廓特性进行匹配, 完成了激光与红外图像的配准; 然后利用红外图像中目标的能量和形状信息、激光图像中的距离信息完成激光与红外图像的决策级融合; 最后利用改进的核相关跟踪算法完成目标的跟踪与抗干扰。通过激光雷达与红外仿真数据的实验, 验证了文中方法在目标跟踪与抗干扰性能上的有效性。
红外图像 激光雷达 一致性点漂移 数据融合 稳定跟踪 抗干扰 IR image, Lidar, coherent point drift, data fusion
1 上海航天控制技术研究所, 上海 201109
2 中国航天科技集团有限公司 红外探测技术研发中心, 上海 201109
3 西安电子科技大学 物理与光电工程学院, 西安 710071
4 中国海洋大学 信息科学与工程学院, 山东 青岛 266100
对红外图像中的目标跟踪时，复杂的背景信息以及目标像素数较少等因素增加了红外目标跟踪难度，目标区域的图像块缺乏特征信息使得普通跟踪算法较易产生跟踪偏移问题。为解决此问题，提出了一种基于粒子滤波框架下的卷积特征选择的红外目标跟踪算法。首先，在初始目标块上提取少量图像块作为滤波器，进而获得表征能力更强的卷积特征。然后，采用在线提升算法对该特征进行选择，增加跟踪算法的精度和执行效率。最后，将贝叶斯分类器的响应作为粒子权值估计出目标状态。实验结果验证了所提算法的跟踪性能优于其他几种传统算法。
红外图像 目标跟踪 弱小目标 卷积特征 提升 粒子滤波 infrared image target tracking dim-small target convolutional feature boosting particle filter 强激光与粒子束
2019, 31(9): 093202
