本文關(guān)鍵詞：昆蟲雷達數(shù)據(jù)預(yù)處理及檢測跟蹤算法研究

  更多相關(guān)文章： 昆蟲雷達 WinPcap DirectDraw 方位分辨率 雜波對消 目標追蹤

【摘要】：昆蟲雷達的出現(xiàn)具有劃時代的意義,對昆蟲雷達數(shù)據(jù)的處理可以加快對昆蟲、鳥等小目標的研究進程,對全民熱點問題,如農(nóng)作物病蟲災(zāi)害、航空鳥擊等具有積極作用。繼續(xù)推廣研究,則對目前學(xué)術(shù)界小目標的檢測追蹤難的問題,也有一定的益處。本文主要是在VC++6.0環(huán)境下對昆蟲雷達數(shù)據(jù)進行實時接收與終端實時顯示,并對接收的數(shù)據(jù)進行存盤。接著對存盤的數(shù)據(jù)進行預(yù)處理,主要有去卷積提高方位分辨率及雜波對消,并將預(yù)處理后的數(shù)據(jù)進行PPI顯示。最后使用航跡相關(guān)算法對仿真的昆蟲雷達目標進行追蹤。在實時高效,減少或阻止數(shù)據(jù)包的丟失,無阻塞等的多重壓力下,本文使用了新的雷達數(shù)據(jù)接收方法-WinPcap,該法允許計算機同時接收不同網(wǎng)卡的數(shù)據(jù),為以后多部儀器同時在一部計算機處理做了鋪墊。還提出了使用DX進行PPI圖像的繪制,并使用色彩鍵碼技術(shù)疊加了地圖。將VinPcap、DX與多線程技術(shù)相結(jié)合共同實現(xiàn)了昆蟲雷達終端實時顯示,且時效性、正確性有很大改善。為了解決由于水平波束寬度及卷積影響而造成的雷達方位分辨率低的問題,本文提出了一種新的去卷積方法,將目標方位分布序列、天線圖序列、雷達接收數(shù)據(jù)序列看作是一維的矩陣,將天線圖矩陣擴展成具有一定規(guī)則的方陣,則可以證明目標方位分布等于雷達接收的數(shù)據(jù)與天線圖方陣的逆陣相乘。經(jīng)過理論及數(shù)據(jù)的驗證,說明了此方法是正確的且是有效的,相對傳統(tǒng)的FFT及IFFT,具有運算簡單,不易出錯的特點；除此之外,本文還提出了一種新的雜波對消方法,對雷達每條徑向數(shù)據(jù)進行兩次低通濾波,將兩次濾波后的結(jié)果相減并輸出,以去除那些空間頻率變化快及變化太慢的雜波,保留變化程度適中的目標。程序?qū)崿F(xiàn)借助指數(shù)滑動平均算法,通過調(diào)節(jié)算法系數(shù),可以達到預(yù)期目的,實驗證明,該方法是有效的。最后利用航跡相關(guān)算法對仿真的雷達三維目標進行了追蹤。航跡相關(guān)主要包括波門選擇,航跡起始,航跡數(shù)據(jù)關(guān)聯(lián),航跡濾波等部分,文章對各個部分進行介紹并對使用的算法進行仿真分析。從最終的軌跡追蹤效果圖來看,航跡相關(guān)算法很好地追蹤了點跡,可以用于有規(guī)則運動的昆蟲追蹤。
【關(guān)鍵詞】：昆蟲雷達 WinPcap DirectDraw 方位分辨率 雜波對消 目標追蹤
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN957.52
【目錄】：

• 摘要5-7
• Abstract7-9
• 第一章 緒論9-15
• 1.1 研究背景及國內(nèi)外現(xiàn)狀9-11
• 1.2 研究意義和目的11-12
• 1.3 運動目標檢測與追蹤12-13
• 1.4 論文工作安排13-15
• 第二章 昆蟲雷達數(shù)據(jù)的實時接收與顯示15-25
• 2.1 昆蟲雷達簡介15-16
• 2.2 WinPcap抓包16-17
• 2.3 DirectDraw繪圖17-21
• 2.3.1 DirectDraw簡介17-18
• 2.3.2 DirectDraw實時繪制并顯示雷達圖像18-21
• 2.4 多線程技術(shù)21-23
• 2.5 本章小結(jié)23-25
• 第三章 昆蟲雷達數(shù)據(jù)預(yù)處理25-43
• 3.1 去卷積提高方位分辨率25-34
• 3.1.1 去卷積基礎(chǔ)理論25-26
• 3.1.2 去卷積提高方位分辨率26-28
• 3.1.3 改進的去卷積計算方法28-31
• 3.1.4 去卷積提高方位分辨率算法仿真及實測驗證31-33
• 3.1.5 去卷積與信噪比的關(guān)系33-34
• 3.2 雜波對消去噪34-42
• 3.2.1 全時域靜態(tài)雜波圖對消35-37
• 3.2.2 新的雜波對消原理37-39
• 3.2.3 雜波對消算法及算法結(jié)果39-42
• 3.3 本章小結(jié)42-43
• 第四章 航跡相關(guān)算法研究43-78
• 4.1 航跡相關(guān)波門的選擇與確定44-48
• 4.2 航跡起始48-53
• 4.2.1 Hough變換法48-50
• 4.2.2 邏輯滑窗法50-53
• 4.3 點跡-航跡關(guān)聯(lián)53-65
• 4.3.1 最近鄰算法54-55
• 4.3.2 概率數(shù)據(jù)關(guān)聯(lián)算法55-57
• 4.3.3 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法57-59
• 4.3.4 航跡數(shù)據(jù)關(guān)聯(lián)算法仿真分析59-65
• 4.4 航跡跟蹤濾波65-73
• 4.4.1 目標運動狀態(tài)空間模型65-67
• 4.4.2 卡爾曼濾波算法67-69
• 4.4.3 卡爾曼濾波算法仿真69-73
• 4.5 本文算法描述及仿真結(jié)果73-77
• 4.6 本章小結(jié)77-78
• 第五章 總結(jié)與討論78-81
• 參考文獻81-87
• 作者簡介87-88
• 致謝88

，

本文編號：841354