摘要：针对传统图像滤波器设计方法存在的局限性,将演化硬件引入图像滤波器设计中,提出软硬件协同仿真的演化思想,并设计了基于System Generator的图像滤波器演化系统。通过图像滤波器演化实验验证了演化系统的有效性,实验结果及分析表明,最优演化滤波器在性能和实现代价方面均优于传统滤波器。与现有的图像滤波器演化方法相比,软硬件协同仿真的演化方法具有实现简单、运算能力强、功能灵活等优点。该系统的演化算法可综合成硬件,为后续实现在线自适应滤波奠定了基础。

摘要：提出一种适应目标表面灰度和光照不均匀的运动目标跟踪方法,首先从序列图像的前2帧中检测出运动的目标,然后针对Level Set中Fast Marching方法的不足,在改进Fast Marching方法的基础上对运动目标进行跟踪·实验结果表明了该方法的有效性·

摘要：宽带数字阵列雷达接收通道中存在随频率变化的幅相误差和互耦误差,会严重影响雷达性能。针对这一问题,提出了一种宽带数字阵列幅相与互耦误差联合校正算法。首先选取通带内多个离散频点,对于每个频点,将幅相误差和互耦误差作为一个整体,采用基于子空间原理的窄带校正算法估计其阵列失真参数,并计算校正矩阵;然后将其组合起来,构成频域离散校正矩阵;最后基于最小二乘准则,设计了宽带有限长脉冲响应(FIR)校正滤波器矩阵。利用该矩阵,可实现通带范围内任意带宽入射信号的校正。计算机仿真实验验证了该算法的有效性。对实测数据的处理结果表明该算法在宽带数字阵列雷达系统中具有实用价值。

摘要：结合认知心理学的相关发现,研究了由底向上视觉注意中的数据竞争问题,提出了一个新的基于层次竞争的视觉注意模型.该模型采用依次进行的尺度、特征和方位竞争逐渐搜索注意焦点的基本属性,利用区域生长简单描述注意焦点的大致轮廓,并通过上述过程的循环往复逐一获得图像中的各个注意焦点.将此方法应用于多种类型的真实图像中获得了较为满意的实验结果.

摘要：针对一级多传感器数据融合,开发了一个算法级测试床STE-One,支持对包括带反馈在内的各种数据融合结构进行测试和评估。简单介绍了STE-One测试床的体系结构,详细描述了它实现算法级测试和置换能力的一些关键方法,包括分层设计模型、算法排序与数据池技术等。

摘要：目标机动过程中通常伴随着剧烈的姿态变化,有利于雷达目标的横向高分辨成像,从而为基于高分辨一维多普勒像(One-dimensional highresolution Doppler profile,1D-HRDP)进行机动检测提供了可行性.文中给出了高分辨一维多普勒像的成像公式后,首先分析了成像对目标转角、积累时间和采样率的约束条件,并给出了成像处理流程.随后着重分析了机动检测原理,得到了目标机动与非机动两类运动条件下姿态变化率的差异,为机动检测提供了基础.由于多普勒像的非平稳特性,本文将目标机动检测问题视作机动、非机动两类分类识别问题,并基于反向传播神经网络设计实现了机动检测器,提出了两项新的机动检测算法性能评估指标,与传统平均检测延迟指标相比能更准确地反映检测器的动态性能.仿真实验表明本文提出的机动检测算法总体性能好于其他三种基于特征的机动检测算法.

摘要：在频率步进雷达中,利用带宽合成技术进行距离成像,具有距离像不模糊范围大、栅瓣电平低等优点。但对地物杂波下的运动目标成像时,距离像信杂比低,并且栅瓣电平对多普勒频移很敏感。提出一种改进的频域带宽合成方案。首先研究了多普勒域抗杂波的参数设计问题,然后设计了二维杂波滤波器实现了抗杂波,最后利用脉间相参处理后的信号特性提出了一种运动补偿方法,有效抑制了距离像的栅瓣电平。外场试验结果验证了方案的优势。

摘要：构造层次化分类器的首要环节是确定各个子分类器的层属关系及其内部组成.从模式间的相似关系入手,实现了一种自动产生层次化分类器结构的方法.为了描述模式间的相似关系,首先提出利用混淆矩阵度量相似性的思路与方法,避免了现有常用度量方法计算量大、假设条件难以成立的不足.进而遵循Fisher准则,设计并实现了模式相似关系分析机(patterns’similarityrelationshipanalyzingmachine,简称PSRAM),将有师指派和无师自组两种常用的模式重组方法有机结合起来,自适应地产生层次化分类器结构.大量测试证实,该方法有效、实用,可以显著地提高分类器的识别性能和稳健性.

摘要：传感器仿真是剧情产生系统的重要组成部分。分析了剧情产生系统中传感器的一般结构,建立了传感器的基础模型。并以地基边扫描边跟踪雷达为例,详细探讨了传感器模型的设计思路和方法。

摘要：提出一种基于最佳匹配点、利用交比来识别平面多边形目标的方法 该方法利用目标的顶点构造交比不变量 ,并以其作为目标的特征矢量 采用最大隶属度原则 ,首先通过局部联合矢量寻找最佳匹配点和判断目标是否丢失顶点 ,然后识别目标 实验表明 :该方法容易实现 ,计算量小 ,识别效率高 。