一种毫米波交通雷达干扰抑制方法

    公开(公告)号:CN118465723A

    公开(公告)日:2024-08-09

    申请号:CN202410586061.4

    申请日:2024-05-13

    IPC分类号: G01S7/41 G01S7/02

    摘要: 本发明属于毫米波交通雷达抗干扰技术领域,具体涉及一种毫米波交通雷达干扰抑制方法,步骤一:构建FMCW雷达含有干扰的回波信号模型;步骤二:EMD分解,用以将回波信号分解为多个IMF分量;步骤三:模态函数提取与重组,对IMF分量进行筛选提取并重组,得到包含更高初始信噪比和更好的干扰稀疏性的回波信号;步骤四:目标回波信号分离,将重组后的回波信号中的目标回波信号分离,实现干扰的抑制,经过步骤一~步骤四可增强回波信号的干扰稀疏性以及信噪比而得到,该信号经过干扰抑制后可以获得相对于更高的信噪比和更清晰的目标特征。本发明能够有效抑制干扰信号,提高目标检测性能,并且具有更高的鲁棒性和更强的干扰抑制能力。

    一种低复杂度的非均匀阵列DOA估计方法

    公开(公告)号:CN117970234A

    公开(公告)日:2024-05-03

    申请号:CN202410213002.2

    申请日:2024-02-27

    IPC分类号: G01S3/14

    摘要: 本发明公开了一种低复杂度的非均匀阵列DOA估计方法,属于阵列信号处理技术领域,包括以下步骤:S1、根据阵列的结构建模,得到阵列的接收数据矩阵;S2、估计空间信源的来波方向范围,确定接收数据矩阵的变换域Θ的大小;S3、对接收数据矩阵的阵列流型进行双重约束的内插变换,最小化变换域外最大的旁瓣电平,同时限制内插区域内的虚拟阵列和实际阵列之间的误差的上限;S4、对变换后的虚拟均匀线阵的接收数据矩阵,使用Root‑MUSIC算法进行角度估计。本发明采用上述的一种低复杂度的非均匀阵列DOA估计方法,通过内插法将非均匀阵映射为虚拟的均匀线阵,从而能够使用低复杂度的超分辨DOA估计算法求解目标角度信息。

    基于复数域深度网络的SAR成像识别一体化方法

    公开(公告)号:CN117805815A

    公开(公告)日:2024-04-02

    申请号:CN202311743519.4

    申请日:2023-12-19

    IPC分类号: G01S13/90 G01S7/41

    摘要: 本发明为一种基于复数域深度网络的SAR成像识别一体化方法,首先对现有SAR图像进行处理获取原始SAR回波数据,其次基于复数卷积神经网络构建目标识别模型,输入回波数据,利用目标识别模型进行目标识别,得到初步分类结果,并计算识别损失;然后,构建重构网络,重构网络的每个重构层均包括两次复数转置卷积运算;将目标识别模型提取的深层特征输入到重构网络中,得到重构图像;将现有SAR图像作为标签,计算重构损失;最后、对目标识别模型的特征提取网络进行训练,并根据识别损失和重构损失对特征提取网络进行优化,得到优化后的目标识别模型。该方法将图像重构作为辅助任务,利用辅助任务和分类任务共同指导网络训练,通过重构SAR图像在训练阶段引导网络学习,有效提升模型对于目标可分性特征的识别能力。

    一种基于毫米波雷达的交通流量监控系统

    公开(公告)号:CN116052414A

    公开(公告)日:2023-05-02

    申请号:CN202211597658.6

    申请日:2022-12-12

    IPC分类号: G08G1/01 G01S13/91 G01S13/72

    摘要: 本发明公开了一种基于毫米波雷达的交通流量监控系统,系统在windows系统下基于Qt的人机交互界面软件架构,在MCSV开发环境下进行开发,包括显示模块、控制模块、数据传输模块及数据存储模块,所述数据存储模块、所述数据传输模块、所述控制模块和所述显示模块均采用独立线程运行,每个线程分设子线程实现数据的并行处理,每个线程之间采用数据队列的方式实现数据共享,程序的主函数为Qt中的main函数,为创建窗口对象BasicWindow对上述模块进行初始化操作。本发明采用上述的一种基于毫米波雷达的交通流量监控系统,实现了显控系统可实时连接雷达进行数据交互,对交通雷达采集到的道路交通信息进行可视化显示和数据存储。

    一种基于密度的模糊聚类方法及装置

    公开(公告)号:CN115423019A

    公开(公告)日:2022-12-02

    申请号:CN202211066456.9

    申请日:2022-09-01

    IPC分类号: G06K9/62 G01S13/931

    摘要: 本发明公开了一种基于密度的模糊聚类方法,包括以下步骤:获取当前帧数据,获得簇类个数k‑计算每个簇类横向距离最大差值,更新簇类个数‑构造目标函数‑求解目标函数,获得一次模糊聚类结果‑重复直至满足终止条件,并且更新隶属度矩阵为和簇中心由更新的一次聚类结果作为输入初始值,构造新的目标函数‑再次求解目标函数,获得二次模糊聚类结果,迭代更新隶属度矩阵和位置中心点‑若二次模糊聚类满足迭代条件,则继续,否则重复‑输出更新的隶属度矩阵和位置中心点,得到二次模糊聚类结果,所得更新的隶属度矩阵即为最终的隶属度模糊矩阵。本发明采用上述基于密度的模糊聚类方法,优化聚类结果,并且有效解决相邻同速车辆被聚为一簇的问题。

    一种基于DP-TBD的电力线检测和识别方法

    公开(公告)号:CN116338804A

    公开(公告)日:2023-06-27

    申请号:CN202310209919.0

    申请日:2023-03-07

    IPC分类号: G01V3/12 G01S13/88

    摘要: 本发明公开了一种基于DP‑TBD的电力线检测和识别方法,其特征在于:包括以下步骤:步骤一,FFT:对获得的信号进行FFT处理;步骤二,相参积累;步骤三,电力线铁塔检测:采用双门限CFAR处理数据,判断出所有疑似为电力线铁塔的目标的位置;步骤四,电力线检测:通过DP‑TBD形成雷达图像;步骤五,电力线识别:用Hough变换进行直线检测,提取出候选电力线,利用电力线的布拉格散射特性识别出真正的电力线。本发明采用上述基于DP‑TBD的电力线检测和识别方法,能够解决实际电力线回波数据处理时强波动目标检测问题,并能消除杂波虚警的影响,给出电力线跟踪结果,提升电力线的检测和识别效果。

    一种基于交叉熵模糊聚类的多目标跟踪数据关联方法

    公开(公告)号:CN115356718A

    公开(公告)日:2022-11-18

    申请号:CN202211066459.2

    申请日:2022-09-01

    摘要: 本发明公开了一种基于交叉熵模糊聚类的多目标跟踪数据关联方法,包括以下步骤:获取当前帧的量测点迹和目标航迹的预测点,以航迹的预测点为波门中心设置跟踪波门,根据落入波门内的量测点情况筛选有效量测,并构造确认矩阵‑根据步骤1所得到的目标航迹和量测点迹数据,以波门中心为聚类中心,得到各量测点迹与目标航迹的隶属度矩阵,‑根据确认矩阵,对公共波门内的量测点进行隶属度修正处理,利用修正后的隶属度矩阵进行后续目标状态的滤波更新。本发明采用上述基于交叉熵模糊聚类的多目标跟踪数据关联方法,通过引入交叉熵模糊聚类和基于特征散度的修正因子,在有效降低算法计算量的同时,充分挖掘了特征信息,保证了目标跟踪的关联精度。