【摘 要】
：
超宽带多输入多输出(Multiple-input Multiple-output,MIMO)雷达可以获取目标的多维信息,在目标探测和人体动作分类等方面有很大的优势。然而,在实际应用中,超宽带MIMO雷达获取的人体目标成像结果通常分辨率较低,抽象难懂,且目标距离越远雷达图像分辨率越低。针对以上问题,本文提出了一种基于距离辅助的超宽带MIMO雷达图像人体姿态重构网络,首先使用卷积神经网络提取人体目标成像的信号强度和空间位置特征,然后使用反卷积模块重构出人体目标的各个关节点位置。同时,考虑雷达成像结果随着距离的
【机 构】
：
国防科技大学电子科学学院,空军预警学院
【基金项目】
：
国家自然科学基金(61971430)。
论文部分内容阅读
超宽带多输入多输出(Multiple-input Multiple-output,MIMO)雷达可以获取目标的多维信息,在目标探测和人体动作分类等方面有很大的优势。然而,在实际应用中,超宽带MIMO雷达获取的人体目标成像结果通常分辨率较低,抽象难懂,且目标距离越远雷达图像分辨率越低。针对以上问题,本文提出了一种基于距离辅助的超宽带MIMO雷达图像人体姿态重构网络,首先使用卷积神经网络提取人体目标成像的信号强度和空间位置特征,然后使用反卷积模块重构出人体目标的各个关节点位置。同时,考虑雷达成像结果随着距离的
其他文献
雷达脉冲压缩处理中,通常需要使用匹配滤波器以获得最优的输出信噪比。然而,对于常用雷达波形,其匹配滤波器输出距离旁瓣较高,易产生目标遮蔽效应,而通过优化设计失配滤波器可以在牺牲一定输出信噪比的条件下有效抑制距离维旁瓣。另外,在实际应用中一般需要对系统失真进行周期性标校,进而根据经过系统失真后的雷达波形进行失配滤波器设计,所以需要高效率的失配滤波器设计算法。然而,现有的失配滤波器设计算法通常涉及矩阵求逆等复杂计算过程,其计算复杂度高且不利于硬件实现。本文提出一种基于动态交替投影的失配滤波器快速设计算法,可实现
随着城市化进程的加快,人口大量涌入城市,现有的交通运输工具的承载能力面对如此庞大的人口运载需求备感压力,而城市规模的扩大对交通运输工具的运输效率又提出了新要求,面对此种现状,原有的城市交通运载体系已经逐渐承受不住日渐严峻的交通压力,优化城市运载体系、探索运输新方案被多数城市提上议程。以地铁为代表的城市轨道交通,其大多修建于地面之下,其线路规划受现有的城市构建格局影响较小,而且其超强的运载能力以及超高的运载速度刚好可以完美解决当下城市交通运输的困境,因而国内多数地级城市开始探索、规划、投入到地铁轨道的建设工
近年来,随着计算机技术的高速发展,网上冲浪、网络视频会议、网络在线教育等网络相关业务盛行,计算机网络逐渐成为人们工作、生活中不可或缺的一部分。但是,在我们享受计算机网络所带来的便利的同时,也不能忽视当下日益严重的网络安全问题,诸如网络诈骗、网上银行盗刷、身份信息盗用的报道层出不穷,其所带来的损失往往难以估量,究其原因,主要是因为计算机病毒所造成的计算机主机资源占用与关键信息泄密。计算机病毒是带有特定目的、可自动执行的计算程序,其具有高度的隐蔽性、传播性,在特定条件下,其会被激活,从而攻击网络中的计算机。当
为了解决负载均衡后分流的有实时业务需求的用户因受到严重的小区间干扰和因传统被动式方法固有的接入延迟所导致的用户体验下降的问题,本文提出了一种基于干扰协调的主动负
本文针对三星对高脉冲重复频率(high pulse repetition frequency,HPRF)运动辐射源进行时差(time difference of arrival,TDOA)跟踪时出现时差模糊的问题,提出了一种基于多次观测滤波的时差跟踪解模糊算法。本文首先给出时差模糊的数学模型,其中包括分析模糊时差出现的原因、介绍时差窗和模糊时差数的计算方法和将模糊时差用高斯混合模型(Gaussian mixed model,GMM)逼近。之后利用三星时差定位得到所有模糊的滤波初始值,接着利用容积卡尔曼滤波
0引言2021年世界分析大会上发表的《向智能世界2030挑战9大技术和研究方向》的报告书中,明确了人工智能建模是解决当前数据碎片化的关键。首先,人工智能建模可以通过大量的无显示数据和更大的模型,从全过程监督到自我监督转变,从而构建通用的人工智能系统;第二,人工智能与科学计算的交叉,也为人工智能应用提供了巨大的帮助,人工智能为科学计算带来了新的构想、新的方法和新的工具,科学计算的严密体系也有助于提高人工智能的实用性。
随着科学技术的不断创新完善,我国大数据领域建设发展水平得到了质的飞跃。通过将大数据技术合理应用在现代互联网信息管理工作中,能够最大程度提升数据优化整合管理水平,并实现各种有价值数据信息的高效传递,避免信息传输过程中出现误差性问题。由April Reeve编著的一书《大数据管理:数据集成的技术、方法与实践》全面而深入地讲解数据集成的工具、方法、技巧、解决方案以及实践。
针对数字阵列雷达面临的短时脉冲干扰,提出了一种采用相控阵子阵结构的空域快速干扰抑制方法,避免了空时自适应算法响应时间慢的问题,可以以采样数据快拍为单位,进行干扰角度估计和天线方向图抗干扰零陷生成。算法首先使用子阵输出的单快拍数据进行二维快速傅里叶变换估计得到存在模糊的干扰角度;然后,使用与干扰角度估计临近的三个角度构建展宽的干扰子空间来提高干扰抑制的鲁棒性;最后,通过基于施密特正交化的快速正交投影算法得到零陷权重矢量。文中所提出的算法具有快拍级干扰检测和实时方向图零陷生成的显著优点,特别适合极短脉冲宽度的
在输入与输出信号都被噪声污染的含误差变量模型(errors-in-variables model,EIV)中,总体最小二乘算法已经得到了广泛地应用。然而在脉冲噪声干扰的情况下,其收敛性能就会恶化。因此为了处理这种被脉冲噪声污染的含误差变量模型的情况,本文将广义最大相关熵准则与总体最小二乘估计方法结合,提出了一种鲁棒的广义最大总体相关熵自适应滤波算法。通过算法仿真比较的结果得出所提出的算法在脉冲噪声环境下能够有效地抑制脉冲噪声的存在,有着较好的收敛性能和鲁棒性。
针对稀疏迭代协方差估计(sparse iterative covariance-based estimation,SPICE)方法功率谱估计精度较低和计算复杂度较高的局限性,提出了一种基于稀疏迭代协方差矩阵的谐波信号功率谱和频率参数的快速估计方法。该方法主要结合渐近最小方差准则和快速傅里叶变换,对功率谱参数进行快速迭代校正估计。首先,使用SPICE算法得到功率谱和频率参数的初估计。然后,通过渐近最小方差准则得到功率谱参数的迭代校正表达式。最后,利用功率谱迭代校正式获得谐波信号的功率谱和频率参数的估计。为提