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。

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。

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。

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。

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。