简介：针对双模复合制导中的融合检测问题，提出了一种修正的符号检测器融合检测算法。通过对两局部统计量增加一个修正系数并使用修正的检验统计量进行判决，融合后系统的检测性能比传统符号检测器融合检测算法有明显提高。文中给出了修正系数和融合检测器的虚警概率表达式，仿真结果表明，文中提出的算法使检测概率比传统符号检测器略有下降，但虚警概率却大大降低，修正算法检测性能有很大改善，仿真结果还验证了修正系数和虚警概率关系的正确性。

简介：为了满足高数据率和高系统容量的需求，LTE系统采用了MIM0多天线技术。MIMO信号检测算法的性能将直接影响系统的整体性能。本文主要介绍7＂LTE系统中的ZF、MMSE、OSIC和Turbo迭代检测算法，并通过LTE下行链路仿真对其进行性能分析。结果表NTurbo迭代检测性能最优，并选择2次迭代即可。MMSE—OSIC、MMSE、ZF—OSIC性能次之，ZF性能最差。

简介：提出了一种新的恒虚警检测算法SOSGO-CFAR。该算法应用检测单元采样作为选择参考单元的依据，使用了基于转换恒虚警（S-CFAR）和排序选大恒虚警（OSGO—CFAR）的复合算法。文章给出了该算法在均匀背景中的数学分析。并在均匀背景、杂波边缘和多目标情况下，用MonteCarlo方法进行了仿真分析。结果表明，该检测器既具有均匀背景下和CA-CFAR相近的良好性能，在杂波边缘环境中，具有接近OSGO-CFAR的性能，且在多目标环境中，其性能明显好于S-CFAR。

简介：套用车牌是一种侵犯车主利益的交通违法行为,识别套牌车将有助于公安机关进行交通和车辆管理。鉴于现有套牌车算法无法适应海量卡口行车数据统计,提出了一种基于海量数据统计的定向套牌车检测算法。试验结果表明,该算法有效降低了套牌车计算量,提高了套牌车检出率。

简介：目前，频率捷变技术广泛应用在雷达系统设计上，用来提高抗干扰能力和检测概率，这使得回波信号的相参性难以保证。同时，增加积累时间的方法通常用于提高雷达对微弱目标的检测能力，但是长时间积累容易引起距离走动。以上因素导致了回波信号的能量无法得到有效积累。提出的一种基于非合作捷变频雷达的微弱目标检测算法，能够有效解决捷变频回波信号长时间积累时出现的相位抖动问题，从而实现相参积累。仿真实验证明了该方法对于微弱目标检测的有效性。

简介：为解决复杂场景中目标检测实时性差和鲁棒性低问题,提出了一种基于软级联支持向量机（SVM）分类器的行人检测算法。该算法采用梯度方向二值模式（ORBP）为特征描述子,基于自适应特征选择与多级分类阈值构建软级联分类器。为确保样本选取的完备性,通过模糊估计随机构建正负样本集,结合快速特征点与中值流实现目标追踪。试验结果表明,在复杂场景中,该算法实时性优且鲁棒性高。

简介：由于伪码调相信号目标多普勒频率的连续展宽特性，在进行弹道测量时，回波目标在时频图中以“直线”形式出现，传统的基于点检测的恒虚警检测算法会产生大量的虚警。鉴于此，根据伪码调相信号目标多普勒频谱特性，提出了一种基于Hough变换直线检测的目标检测方法。该方法在传统的Hough变换基础上进行了优化，根据回波目标的“直线”特性实现目标检测。将两种算法同时对实测数据进行处理，对比结果表明，基于Hough变换的目标检测算法能够准确地分辨目标并提取目标信息。

简介：在天波超视距雷达（OTHR）中,机动目标的多普勒谱展宽,会导致相干积累损失,影响目标检测。传统的时频分析方法将目标回波信号投射到时频域中再通过能量积累实现机动目标检测和参数估计,但该方法在瞬态干扰存在的情况下效果较差且计算量过大。考虑到机动目标和瞬态干扰在时间-频率变化率域中的不同特性,提出了一种基于时间-频率变化率分布（TFRD）的机动目标检测算法,该算法通过TFRD构建时间-频率变化率（T-FR）域,并在T-FR域中进行目标参数估计,可以降低瞬态干扰对机动目标检测的影响。经实测数据仿真验证,该算法可以在瞬态干扰存在的情况下有效地检测出机动目标,而传统的WHT（Wigner-Hough-Transform）算法则由于瞬态干扰影响导致检测错误。此外,该文算法避免了使用Hough变换,减小了运算量,使其可以更好地应用于工程中。

简介：针对传统道路障碍物检测算法准确性和鲁棒性不强等问题,本文提出一种基于卷积神经网络的道路障碍物检测算法。该算法首先对车载图像预处理生成障碍物候选区域,再将障碍物候选区域输入到改进的卷积神经网络中,进行精确识别和剔除,区分道路障碍物和非障碍物。改进的卷积神经网络在原有网络的基础上,调整了卷积核的大小和个数、池化层的空间尺寸和神经网络的深度,并且在卷积层后选择性的加入池化层,提高障碍物的识别率。在不同场景中进行了测试,实验结果表明：本文提出的道路障碍物检测算法有效的提高了障碍物的识别率,识别率达到98.2%,并且拥有较高的鲁棒性。

简介：针对Harris算法阈值根据经验人为设定、在图像不同对比度区域无法有效提取角点的问题,提出了一种自适应改进算法。首先,采用九宫格法对图像像素点进行筛选;然后,对筛选出的像素点,计算其局部均方差,从而确定各像素点所在区域的对比度;最后,根据对比度使用自适应阈值对图像进行检测,获得最佳匹配角点。通过试验结果验证了算法的有效性和可行性。

简介：本文利用跟踪学习检测（Tracking-Learning-Detection,TLD）算法能够对目标进行长期的持续跟踪的优点,对动态图像序列中的目标进行跟踪。采用了目标被遮挡这种困难情形的图像数据库进行了实验。通过对数据库中的可见光、红外和加权平均融合图像序列的目标跟踪,结果表明,TLD能够对目标进行持续跟踪,即使在可见光下跟踪失效也能够通过红外图像的弥补,从而使跟踪效果达到预期的要求。

简介：针对4站纯方位定位问题,提出了一种基于广义内心的定位算法。先在一次计算中同时使用4站测得方位线中3条,运用三角形内心法获得4个内心;对获得的4个内心再次同时使用其中的3个,并再次运用三角形内心法获得4个内心;反复迭代计算后的收敛点即为目标最终位置估计。最后,通过MonteCarlo仿真试验与重心法和三角形内心平均法进行比较。结果表明,3种定位算法的定位结果与待估定位点的偏差均较小,但广义内心法估计精度较佳。

简介：在基于视频的车辆检测系统中，运动目标检测是一个重要环节。而由于光照阴影的影响，检测中易产生虚假目标，或者将分离的目标连通起来，影响车辆检测的准确性。文中根据检测实际的光线照射方向，实时搜集阴影特征信息，实现了一种新型的实时阴影检测算法，取得了较好的检测效果。

简介：当跟踪目标属于隐身目标、低空目标或处于强杂波和干扰环境,都会导致雷达的目标检测概率降低,丢失率较高。因此,本文着重研究PHD算法在检测概率较低的情况下跟踪稳定性不佳的缺陷,找出了一种适用于低目标检测概率的L-GMPHD滤波,通过对前一时刻状态估计值外推,若发生漏检,则将外推值加入当前时刻状态估计值中,确保了目标的状态估计不被裁剪去除。从MATLAB仿真结果可知,L-GMPHD滤波器处于检测概率较低的情况时,能够明显改善目标跟踪的稳定性。该方法能够保持高精度的多目标跟踪,具有良好的工程应用前景。

简介：天波超视距（0TH）雷达系统中，为了获得较高的多普勒分辨率，通常会采用长的相干积累时间，但对于机动目标，长相干积累时间会导致回波的多普勒展宽，不利于检测。对于弱目标，由于其能量低，容易被强目标掩盖，加大了检测难度，针对这一问题，提出一种基于目标运动参数估计的0THR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点，采用遗传算法估计各目标的运动参数，并引入“clean”算法的思想，在时域上逐个减去强目标，以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大，进一步提出采用时频分析算法估计各参数范围，减小遗传算法的运算量。仿真结果表明，与已有算法相比，文中算法具有更高的参数估计精度和弱目标检测性能。

简介：RFT算法是一种广义的MTD,可以沿着目标运动轨迹进行相参积累。通过分析RFT算法中产生的盲速旁瓣（BSSL）及其与主瓣之间的关系,将基于Chirp-Z变换的快速RFT和标准RFT算法结合,提出一种改进的快速RFT算法,在一个速度区间利用快速RFT搜索目标的模糊速度和距离单元,通过构建速度搜索函数利用标准RFT对目标进行精确搜索。与原有快速RFT相比,改进算法运算量明显减少且不会随着模糊因子的增加而急剧增加。通过仿真实验,验证了在理想条件下积累结果接近理论值。

简介：雷达分布式检测的融合准则一般采用的是Neyman-Pearson准则,首先简单分析融合规则和各局部传感器判决规则之间的关系,并利用遗传算法实现融合准则和各局部传感器判决规则的最优搜索,但目前分布式检测各种融合算法只适用于单目标,因此,提出利用区域映射法将检测区域进行分区检测,使单目标分布式检测融合算法与多目标区域检测联合检测,同时单个区域分布式检测采用遗传算法进行优化,最终达到对多目标的分布式检测最优融合。最后给出了数值仿真,仿真结果表明,该方法具有一定的可行性。

简介：提出了一种新的星载合成孔径雷达(SAR)图像中道路网的三步提取算法,即道路中心线检测、道路片段提取和道路片段连接.首先对含有斑点噪声的SAR图像进行两次滤波获得较细的道路中心线,然后对该二值图像进行Hough变换以获得道路片段,道路片段经过简单的初步连接后,再次运用遗传算法得到进一步连接.实践证明了这种方法的有效性.

简介：摘要：随着互联网技术的高速发展，Web应用已成为信息交换的重要平台。然而，Web安全问题也随之凸显，尤其是恶意流量的检测成为了网络安全领域的一大挑战。恶意流量不仅威胁用户隐私安全，也给企业带来了巨大的经济损失。贝叶斯算法以其概率理论为基础，通过学习历史数据更新检测模型，表现出对新型恶意流量的良好适应性和较高的检测准确率。本文旨在探讨基于贝叶斯算法的Web恶意流量检测方法，验证了该方法在实际应用中的有效性和可行性。

简介：对无线传感器网络（WSNs）弱稀疏性事件检测问题进行研究,提出了一种基于并行离散群居蜘蛛优化算法和压缩感知的WSNs稀疏事件检测方案。该方案采用压缩感知（CS）技术进行稀疏事件分析检测,针对事件向量稀疏度未知的特性,设计基于MPI框架的并行离散群居蜘蛛优化算法（PDSSO）,重新定义蜘蛛编码方式和自适应迭代进化机制,给出并行转移策略,并将PDSSO应用于CS重构算法中;针对观测字典难以满足约束等距条件的特点,对稀疏矩阵和测量矩阵进行奇异值预处理操作,在保持稀疏度不变的基础上提高了算法重构性能。仿真结果表明,与GMP等检测方法相比,该方案有效提高了WSNs稀疏事件检测成功率,降低了误检率和漏检率。