摘要：针对超视距雷达低速目标检测与识别难的问题,提出一种基于深度学习的超视距雷达直升机目标检测方法。根据超视距雷达直升机目标频谱特点,设计一种专用的超视距雷达直升机目标检测神经网络HDNet,仿真直升机目标距离多普勒谱图并构建数据集,以该数据集为源域向实测数据迁移,对网络模型进行训练并测试。经试验验证,HDNet网络对仿真直升机目标检测的AP@0.5可达92.1%,采用深度迁移学习的方法对模型微调后,网络模型对实测数据的检测效果也有了明显提升。

摘要：针对基于超声波的手势识别系统在真实场景下的自动化和杂波干扰问题,提出一套包括手势检测、杂波滤除的手势识别算法。手势检测算法基于动态能量阈值,能够检测手势的产生,自动触发手势识别流程。杂波滤除算法使用目标分割,滤除RDM(range Doppler map)图中的杂波,只提取其中有效目标的特征,用于手势的分类。实验结果表明,该系统能够在手势检测和手势识别两个流程间自动切换,对7种不同手势的识别率为97.9%,在存在干扰的真实应用环境中,杂波滤除算法能够提高识别率。