發(fā)布時間：2022-02-14 15:40

　　針對近地小天體監(jiān)測和預警中極低信噪比運動目標難以檢測的問題,提出了基于漲落分析的暗弱運動目標關聯(lián)檢測方法,闡述了在時間區(qū)間上基于光場漲落分析的關聯(lián)特征提取方法的原理。強背景信號的漲落在時間維度上具有穩(wěn)定分布和穩(wěn)定變化的特點,利用由目標運動導致的瞬態(tài)漲落在時間維度上分布的異常變化反演出暗弱運動目標的存在。首先將目標檢測問題建模為基于單個像元灰度時序序列的一維信號檢測問題,然后在時域上劃分時間窗口,采用基于漲落分析的方法來提取關聯(lián)特征,最后由關聯(lián)特征的變化來檢測目標信號。將該關聯(lián)檢測方法應用到一維時序信號仿真實驗、暗弱運動目標仿真實驗和近地小行星檢測實驗中,結(jié)果表明本文所提出方法的檢測率和虛警率都顯著優(yōu)于其它幾種經(jīng)典常用方法,在仿真數(shù)據(jù)和真實數(shù)據(jù)中都有很好的檢測效果。 

【文章來源】：光學精密工程. 2020,28(11)北大核心EICSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

關聯(lián)檢測方法流程

其中:ps表示目標信號的平均功率,σn表示噪聲功率。信噪比為-5 dB的目標信號波形圖及在高斯噪聲中加入目標信號的波形圖如圖2所示,橫坐標為時間t,縱坐標為信號強度I。圖2(b)中高斯噪聲均值為10,方差為2,目標信號加入的時刻在t=500處,可見該目標信號完全湮沒在高斯噪聲之中。圖3為在不同噪聲背景下,分別加入信噪比為0,-2,-5,-8 dB的目標信號后利用關聯(lián)檢測方法進行檢測的結(jié)果,橫坐標為時間t,縱坐標為關聯(lián)后的特征值E。結(jié)合圖2(b)和圖3(a)可以看出盡管目標信號被湮沒在高斯噪聲中,但利用關聯(lián)檢測方法能檢測出信噪比分別為0,-2,-5,-8 dB的目標信號。圖3(b)、圖3(c)和圖3(d)為其他背景下的檢測結(jié)果,結(jié)果和在高斯背景下的結(jié)果相近,驗證了該關聯(lián)檢測算法的有效性。

結(jié)合圖2(b)和圖3(a)可以看出盡管目標信號被湮沒在高斯噪聲中,但利用關聯(lián)檢測方法能檢測出信噪比分別為0,-2,-5,-8 dB的目標信號。圖3(b)、圖3(c)和圖3(d)為其他背景下的檢測結(jié)果,結(jié)果和在高斯背景下的結(jié)果相近,驗證了該關聯(lián)檢測算法的有效性。圖3 不同噪聲條件下仿真檢測結(jié)果

【參考文獻】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡的目標檢測研究綜述[J]. 范麗麗,趙宏偉,趙浩宇,胡黃水,王振.  光學精密工程. 2020(05)
[2]Tiny YOLOV3目標檢測改進[J]. 馬立,鞏笑天,歐陽航空.  光學精密工程. 2020(04)
[3]基于DRGAN和支持向量機的合成孔徑雷達圖像目標識別[J]. 徐英,谷雨,彭冬亮,劉俊.  光學精密工程. 2020(03)
[4]基于注意力掩模融合的目標檢測算法[J]. 董瀟瀟,何小海,吳曉紅,卿粼波,滕奇志.  液晶與顯示. 2019(08)
[5]基于最大中值濾波和K-means聚類紅外弱小目標檢測[J]. 岳付昌.  光電技術(shù)應用. 2018(05)
[6]多幀背景差與雙門限結(jié)合的運動目標檢測方法[J]. 王凱,吳敏,姚輝,楊樊,張翔.  小型微型計算機系統(tǒng). 2017(01)
[7]權(quán)重系數(shù)自適應光流法運動目標檢測[J]. 劉洪彬,常發(fā)亮.  光學精密工程. 2016(02)
[8]基于空時域融合處理檢測超大視場紅外目標[J]. 黃富瑜,沈?qū)W舉,劉旭敏,崔鐵成.  光學精密工程. 2015(08)
[9]采用DBT的漂移掃描星圖小目標檢測方法[J]. 林建粦,平西建,馬德寶.  紅外與激光工程. 2013(12)
[10]預警雷達雜波抑制和微弱運動目標檢測算法[J]. 羅倩,王巖飛.  北京工業(yè)大學學報. 2012(03)

博士論文
[1]基于隨機森林的視覺數(shù)據(jù)分類關鍵技術(shù)研究[D]. 張乾.華南理工大學 2016
[2]APD光子計數(shù)成像技術(shù)研究[D]. 寇松峰.南京理工大學 2010



本文編號：3624830