针对红外图像存在细节纹理特征差、对比度低、目标检测效果差等问题，基于 YOLOv4（You Only Look Once version 4）架构提出了一种融合通道注意力机制的多尺度红外目标检测模型。该模型首先通过降低主干特征提取网络深度，减少了模型参数。其次，为补充浅层高分辨率特征信息，重新构建多尺度特征融合模块，提高了特征信息利用率。最后在多尺度加强特征图输出前，融入通道注意力机制，进一步提高红外特征提取能力，降低噪声干扰。实验结果表明，本文算法模型大小仅为 YOLOv4的 28.87%，对红外目标的检测精度得到了明显提升。

提出一个自适应数字预畸变(DPD)技术,用于消除基于正交频分复用(OFDM)的可见光通信系统中的非线性失真。该自适应DPD利用两路反馈信号来消除信道中的非线性失真,并且利用频域预均衡(pre-FDE)来消除LED信道中的线性失真。所提技术可以有效提升可见光通信系统的性能。实验结果表明提出的自适应DPD方案可以有效消除OFDM的带外和带内噪声。

针对可见光通信系统中的LED非线性失真效应,提出基于对称恢复的非对称限幅光正交频分复用(ACO-OFDM)接收机。利用ACO-OFDM的对称恢复特性,可以在时域实现奇数和偶数子信道之间的频谱分集。理论与实验证明,该方案在高非线性的可见光通信系统上实施效果良好。仿真结果证明了所使用的分集合并方案优于传统的ACO-OFDM方法。此外发现,增加调制指数导致较为显著的非线性时,该方案能够呈现出更好的性能。

为检测弱小红外运动目标,提出了一种基于高阶累积量投影的检测算法。红外图像序列经背景抑制后,首先计算时域数据的归一化三阶累积量,并将其投影到二维空间,然后在二维空间内对目标轨迹进行统计判决,以实现目标检测。推导出了目标和噪声在二维投影空间中的分布公式。通过与相关算法对比分析,该算法计算量小、检测率随目标信噪比增长较快。利用实际录制的图像序列进行了仿真实验,成功检测到了信噪比不小于2、像面运动速度为2帧/像素的目标,验证了算法的有效性。

背景抑制是红外运动点目标检测的核心技术之一.提出了一种基于图像局部统计特征的自适应背景抑制算法,给出了一种近似估计图像噪声方差的方法,解决了L滤波在背景抑制应用中实时性的问题.采用该算法对实际录制的红外图像序列进行背景抑制实验,结果表明:该算法能够很好地抑制起伏的背景,大幅度提高了目标的信噪比.

分析了局部熵用于小目标检测时造成目标范围扩散等问题的原因,并提出了熵增长方法.该方法用于点目标检测可避免发生目标范围扩散现象.由于边缘纹理和点目标在熵增长处理过程中表现出截然相反的属性,故可避免边缘纹理对于小目标检测产生的严重干扰.该方法也可用于不受噪声干扰的边缘检测.针对相同信噪比目标在不同背景亮度中具有不同熵值和增长量的问题,提出用方差增长替代熵增长,使相同信噪比目标在不同背景亮度中表现出相同的增长量值,降低了后续目标分割的难度.试验表明,熵增长方法和方差增长方法能够有效检测1 或 2像素大小的点目标,并不受背景中边缘纹理的干扰.对算法的复杂度进行了分析,并提出采用双通道并行流水线方式实现工枉化的设计思路.