在雷达目标跟踪领域,当目标与雷达传感器存在相对运动时,多普勒(Doppler)效应致使接收信号产生频率偏移。这种频率变化与目标距离测量存在耦合关系,即多普勒距离耦合问题。在相控阵雷达采用线性调频(Linear Frequency Modulation,LFM)...在雷达目标跟踪领域,当目标与雷达传感器存在相对运动时,多普勒(Doppler)效应致使接收信号产生频率偏移。这种频率变化与目标距离测量存在耦合关系,即多普勒距离耦合问题。在相控阵雷达采用线性调频(Linear Frequency Modulation,LFM)信号进行常规跟踪时,虽然能获取大时宽带宽积提升距离分辨率,但脉冲压缩后产生的强距离多普勒耦合效应使传统的距离速度测量算法出现收敛速度慢、精度低的问题,尤其在航迹起始阶段对高速目标的跟踪极为不利,严重影响了雷达系统对目标的实时、精准监测。提出一种多普勒距离耦合下的三帧快速收敛算法。该算法利用3帧具有不同耦合系数的波形,构建多元约束方程,通过联合解算实现多目标速度和位置参数的同步获取。在验证处理流程中,采用迭代优化机制,对测量结果进行动态校准,有效降低距离与速度参数间的相互干扰,逐步逼近最优的距离和速度测量结果,从而实现快速、精准的目标跟踪。通过理论分析、蒙特卡罗仿真和外场实测数据验证,该三帧快速收敛算法展现出优异性能。在航迹起始阶段,对目标距离和速度测量解算的收敛速度是传统算法的4倍以上。所提出的多普勒距离耦合下的三帧快速收敛算法成功地解决了传统算法在处理多普勒距离耦合问题时存在的收敛慢、精度低等难题。该算法具有创新的波形设计和迭代优化策略,显著提升了相控阵雷达在复杂条件下的目标跟踪性能,为雷达目标跟踪技术的发展提供了新的思路和方法,具有较高的理论价值和实际应用前景。展开更多
文摘为解决废钢回收场景中人工分拣效率低和安全隐患高等问题,文章基于改进YOLOv5s-seg算法建立废钢分类及实例分割模型,旨在利用计算机视觉技术代替人工分拣。在主干网络中引入CBAM(convolutional block attention module)注意力机制强调废钢特征,同时用EIOU(efficient intersection over union)替换原网络中的CIOU(complete intersection over union)损失函数,加快收敛速度;通过线下数据增强算法对废钢厂采集的图片进行图像增强,并在改进前、后算法构建的两类模型上训练及验证。结果表明:改进的YOLOv5sseg废钢分类及实例分割模型边界框和掩膜的平均检测精度达到98%、96%,比原模型提高了5%、3%;全类别分类平均精度高达96.5%,比原模型提高了5.8%;改进模型与其他经典的实例分割模型相比也表现出优异的检测性能。该文所提算法具有较好的应用前景。
文摘在雷达目标跟踪领域,当目标与雷达传感器存在相对运动时,多普勒(Doppler)效应致使接收信号产生频率偏移。这种频率变化与目标距离测量存在耦合关系,即多普勒距离耦合问题。在相控阵雷达采用线性调频(Linear Frequency Modulation,LFM)信号进行常规跟踪时,虽然能获取大时宽带宽积提升距离分辨率,但脉冲压缩后产生的强距离多普勒耦合效应使传统的距离速度测量算法出现收敛速度慢、精度低的问题,尤其在航迹起始阶段对高速目标的跟踪极为不利,严重影响了雷达系统对目标的实时、精准监测。提出一种多普勒距离耦合下的三帧快速收敛算法。该算法利用3帧具有不同耦合系数的波形,构建多元约束方程,通过联合解算实现多目标速度和位置参数的同步获取。在验证处理流程中,采用迭代优化机制,对测量结果进行动态校准,有效降低距离与速度参数间的相互干扰,逐步逼近最优的距离和速度测量结果,从而实现快速、精准的目标跟踪。通过理论分析、蒙特卡罗仿真和外场实测数据验证,该三帧快速收敛算法展现出优异性能。在航迹起始阶段,对目标距离和速度测量解算的收敛速度是传统算法的4倍以上。所提出的多普勒距离耦合下的三帧快速收敛算法成功地解决了传统算法在处理多普勒距离耦合问题时存在的收敛慢、精度低等难题。该算法具有创新的波形设计和迭代优化策略,显著提升了相控阵雷达在复杂条件下的目标跟踪性能,为雷达目标跟踪技术的发展提供了新的思路和方法,具有较高的理论价值和实际应用前景。
