学科分类
/ 1
13 个结果
  • 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。

  • 标签: LTE ZF MMSE OSIC Turbo迭代检测
  • 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。

  • 标签: 大数据 卡口行车数据 套牌车检测
  • 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。

  • 标签: 频率捷变 非合作雷达 相参积累 微弱目标检测
  • 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。

  • 标签: 行人检测 支持向量机 软级联分类器 梯度方向二值模式
  • 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。

  • 标签: 分布式检测 符号检测器 信息融合 局部统计量
  • 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。

  • 标签: 伪码调相连续波雷达 多普勒频率 弹道测量 时频分析 HOUGH变换
  • 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。

  • 标签: 天波超视距雷达(OTHR) 瞬态干扰 机动目标检测 时间-频率变化率分布(TFRD)
  • 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。

  • 标签: 检测统计量 s-CFAR SOSGO-CFAR 多目标 杂波边缘
  • 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。

  • 标签: 障碍物 感兴趣区域 阈值分割 候选区域 卷积神经网络
  • 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。

  • 标签: 角点检测 HARRIS算法 自适应算法 图像对比度
  • 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。

  • 标签: 动态图像融合 目标跟踪 像素级图像融合 跟踪学习检测
  • 简介:研究背景与意义智慧城市足当代城市发展的新模式,也是城市信息化发展的高级阶段,实践表叫,建设智慧城市能促进我国现阶段城镇化、现代化的发展,因此我国政府对“智慧城市”的建设高度重视。

  • 标签: 城市发展 智慧 实证分析 北京市 测算 信息化发展