6.5 动目标显示与动目标检测
引言
1.目标回波频谱
6.5.1 目标回波和杂波的频谱 2.杂波频谱
原理递归
传统非递归
6.5.2 MTI滤波器零点分配算法
滤波器设计优化预测误差算法
结语
原理
MTI+FFT
6.5.3 MTD滤波器滤波器设计点最佳
等间隔最佳
结语
6.5.4 改善因子分析MTI
MTD
6.5 动目标显示与动目标检测
雷达探测的运动目标如飞机，导弹，舰艇，车辆等周围存在各种背景，包括不动的地物和运动着的云雨，海浪或金属丝干扰等。动目标显示（Moving Target Indicator :MTI ）与动目标检测（Moving Target Detection: MTD ）就是使用各种滤波器，滤去这些背景产生的杂波而取出运动目标的回波。此外也可以通过把雷达安装在山上、增加雷达天线的倾角、安装防杂波网来阻止杂波进入天线；或通过调整雷达天线的波束形式、采用极化技术、降低雷达的分辨单元、在时域采用CFAR 检测、自适应门限、杂波图来抑制杂波。在频域上应用MTI 与MTD 技术可以提高信杂比，改善杂波背景下检测运动目标的能力。本节首先分析目标回波和杂波的频谱特性；然后分别讨论MTI 与MTD 原理及滤波器设计方法；最后分析MTI 与MTD 对改善因子的提高。
6.5.1 目标回波和杂波的频谱
运动目标回波和杂波在频谱结构上有所差别，运动目标检测就是利用这种差别，从频率上将它们区分，以达到抑制杂波而显示目标回波的目的。为此，应首先弄清楚目标和杂波的回波的特性。 (1) 目标回波的频谱
雷达发射相参脉冲串，其脉冲宽度为e T ，脉冲重复频率为r f 。当天线不扫描而对准目标时，所得脉冲为无限脉冲串。调制信号)(1t u 及其频谱)(1f U 分别为
∑∞-∞=???
?
?
?-=n e r
T
nT t rect A t u )(1 (6.5.1)
∑∞
-∞
=-=n r e e r e f n f T f T f T AT f U )()sin()(1δππ (6.5.2) A 为信号振幅。而高频载波)(2t u 及其频谱)(2f U 为
t t u 02cos )(ω= (6.5.3)
)]()([2
1
)(002f f f f f U ++-=δδ (6.5.4)
发射的相参脉冲串)()()(21t u t u t u ?=，故其频谱)(f U 为
)()()(21f U f U f U ?= (6.5.5)
A
(d)
00
00f τ
-
0f τ
+
0f
τ
-+
0f τ
-
f τ
-+0d τ
0d τ
(b)
(a)
固定回波频谱
动目标回波频谱
图6.5.1 发射接收信号时域与频域特性
雷达发射信号通常是窄带信号(如图6.5.1(a))，因而运动目标回波频谱的特征是将发射信号的频谱位置在频率轴上平移一个多普勒频率
λ
r
d v f 2=
(如图6.5.1(c))，d f 的符号由目标运动的方向决定，靠近为正，远离为负。固定回波的频谱与发射信号一致，只是幅度有衰减(如
图6.5.1(b))。
多普勒频率d f 可以直观地解释为：振荡源发射的电磁波以恒速c 传播，当接收者相对振荡源不动，则它的接收频率等于发射频率。当接收者与振荡源之间有相对接近的运动时，则它接收电磁波的频率大于振荡源发射频率，当两者背向运动时，结果相反。运动目标与雷达有相对运动，所以存在多普勒频率d f 。定义固定回波的波程为02R ，0R 为雷达到目标的距离，则回波到达雷达的时间为0
2R c
；由于运动目标与雷达有相对运动，其波程为02()R R -?，时间为
02()
R R c
-?。
雷达工作时，天线以各种方式进行扫描，这时收到的回波脉冲为有限数，且其振幅受天线方向图调制。设天线方向图可用高斯函数来表示，则收到的回波脉冲串的包络函数可写为
()2222ex p 2)(t t m σπσπ-= (6.5.6)
σ是和天线波瓣宽度及扫描速度有关的参数。σ减小，表示观察时间增加。
天线扫描时收到的回波信号，可以用)(t m 和无限脉冲串)(t u r 的乘积表示。)(t u r 为天线不扫描时的回波脉冲串，即
)()()(t u t m t u r m = (6.5.7)
其包络函数)(t m 的频谱为
2
2
2)(σf
e f M -=
(6.5.8)
f
图6.5.2 天线扫描条件下回波频谱
天线扫描时回波信号的频谱）f U m (为
)()()(f U f M f U r m ?= (6.5.9)
即无限回波脉冲串频谱)(f U r 的每一根谱线均按)(f M 的形状展宽(如图6.5.1(d))。谱线展宽的程度反比于天线波束照射目标的时间θT 。已求出当天线方向图为高斯形时谱线展宽的均方值为
n
f T r
s 265.0265.0==
θσ (6.5.10)
式中：r f 为雷达重复频率，n 为在单程天线方向图3dB 宽度内收到的脉冲数。中频回波信号经过相位检波器后，相当于把中频信号的频谱搬移到零频率附近，根据目标多普勒频移d f 的不同，相位检波后谱线d r f f n ±的具体位置也有差异，每根谱线均按脉冲串包络的频谱形状展宽。
⑵ 杂波频谱
对于固定点杂波，当天线不扫描时，固定杂波的频谱是位于r f n 上的谱线，可以用对消器全部滤去。当天线扫描时，由于回波数目有限，谱线将展宽。由于天线扫描引起双程天线方向图对回波信号调幅，杂波谱展宽可用高斯函数表示为
2
220)(s
f e
G f G σ-= (6.5.11)
其中n s 265.0=σ，n 为在单程天线方向图3dB 宽度内的脉冲数。设θT 为天线照射目标的等效时间，则r f T n θ=，即θσT s 265.0=，即
s σ与目标照射时间成正比。
杂波信号的功率谱的实验公式可近似为
???
????????? ??-==202
2exp )()(f f a g f g f W (6.5.12)
其中：)(f W 作为频率函数的杂波功率谱，)(f g 杂波的傅立叶变换，0f 雷达载波，a 和杂波相关的参数。
杂波频谱可以用杂波频率分布的均方根值)(Hz c σ或速度分布的均方根值)(s m v σ来表示，式（2-12）可写为
????
?
?-=???? ??-=22202208exp 2exp )(v c f W f W f W σλσ (6.5.13)
其中：2
0g W =，λσσv
c 2=，0f c =λ ,可得2
28v
c a σ=。2
c σ为杂波功率谱方差。v σ为杂波内部起伏运动速度的均方根值，和工作波长无关。相同的v σ值，对不同的雷达工作波长产生的杂波谱线的宽度也是不同的。工作波长越短，杂波谱的展宽越严重。图6.4.1中的载波频率
0f 为1GHz 。
00d
f f +0d
0d f f -d
0d
(b)
(c)
(d)
图6.5.3 杂波的功率谱
在接收机前端引入发射信号作为基准电压，可得到收发频率的差频电压，即多普勒电压。图6.5.4给出各主要点的频谱图。
00d
f f +0d
0d
f f -d
0d
(b)
(c)
(d)
图6.5.4 主要点频谱图及滤波器特性
相位检波后的频谱如图(d),固定杂波的频谱在零点，图中给出的是一条谱线。实际中，由于天线扫描收到的回波脉冲数有限，谱线会有一定程度的展宽，由于系统不稳等原因，杂波谱
中还会出现杂乱分量，把它近似看成均匀谱。本节要
设计的滤波器特性如
图6.5.5 地杂波的功率谱
图6.5.4(d)所示，取出动目标频谱，滤除杂波频谱。
滤波器凹口和通带的平坦程度是关注的特性。动目标
滤波器要满足的要求：(1)凹口适当扩宽，
与杂波梳状谱宽度相当。(2)杂波有多普勒频移，即不在零频时，滤波器凹口要对准杂波谱平均多普勒位置。(3)凹口深度能使杂波尽量多的衰减，目标回波能在尽可能大的速度范围内有较大输出。 改善因子是综合评定滤波器性能的参数。
6.5.2 MTI 滤波器 (1)MTI 滤波器原理 0
当杂波和运动目标回波在雷达显示器上同时显示时，会使目标的观察变得很困难。如果目标处在强杂波背景内，弱的目标淹没在强杂波中，特别是当强杂波使接收机发生过载时，将很难发现目标。目标回波和杂波在时间域上难以区分，但由于目标的速度远大于背景的速度，目标回波的多普勒频移远大于背景的多普勒频移，从而可在频域上区分目标与杂波。动目标显示滤波器（MTI ）利用运动目标回波和杂波在频谱上的区别，有效地抑制杂波而提取信号。在雷达上加装MTI 滤波器，大大的改善了雷达在强杂波背景中检测运动目标的能力。MTI 有多种实现方法，包括传统的相消器和各种优化的FIR 滤波器。采用重复参差和时变加权的MTI 体制可以克服盲速。
MTI 和MTD 是对多个回波数据进行处理，因此数据需要进行存储。其中每一行的数据是沿距离单元采样值，反映了某一距离单元的信号特征。每一列的数据为从相同的距离单元，依次间隔一个脉冲重复周期的采样值，这些数据的变化反映了在同一距离单元目标的变化情况。MTI 和MTD 都是对同一距离单元的数据，即同一列的数据进行处理。通常MTI 雷达滤波器如图6.5.6所示图，图中Tr 为雷达重复周期，在这里作为延迟线的延迟时间，i w 为滤波器权系数值。
图6.5.6 MTI 滤波器的组成
传统的MTI 相消器可以滤除零频杂波，性能不高，改善因子在20dB 左右。优化的MTI 滤波器可以满足上一节提出的动目标滤波器要求，现在就滤波器的设计讨论如下。
(2) MTI 滤波器设计
1.传统MTI 滤波器设计：
在相位检波器输出端，固定目标的回波是一串振幅不变的脉冲，而运动目标的回波是一串振幅调制的脉冲。在把回波信号送到终端显示器前，必须先消除固定目标回波。最直接的方法是将相邻重复周期的回波信号相减，则固定目标回波由于振幅不变而互相抵消，运动目标回波相减后剩下相邻重复周期振幅变化的部分。
传统的MTI 滤波器有两种形式：非递归形和递归形。
(a) 非递归滤波器
不带反馈的滤波器称为非递归型滤波器。下面以一次对消器为例进行说明。
一次对消器，即二脉冲对消。其结构图如图6.5.7(a),对消器的输入X(z)相位检波器的输出信号。它是一个单零点系统，零点位置在1z =±，令s j ω=，即j T
z e
ω=在Z 平面上是单位圆。
(a)框图 (b) 零点图
图6.5.7 一次对消滤波器
由相位检波器输出的脉冲包络为
)(cos )(0t U t u ?= (6.5.14)
?为回波与基准电压之间的相位差
000
0)
(2)(?ωωω?-=--=-=t c
t v R t t d r r
(6.5.15)
1
()1H z z -=-
回波信号按重复周期r T 出现，将回波信号延迟一周期后，其包络是
])(cos[)(00'?ω--=r d T t U t u (6.5.16)
??
?
??--??? ??=-=?00'2sin 2sin 2?ωωωr d d r d T T U u u u (6.5.17)
输出包络为一多普勒频率的正弦信号，其频率为
2
sin
20r
d T U ω (6.5.18)
为多普勒频率的函数。当πωn T r d =2（n=1,2,3,…）时，输出振幅为零。这时的目标速度正相当于盲速，盲速是运动目标回波在相位检波器的输出端与固定目标回波相同，因而经对消设备后输出为零。
下面从频率域来说明对消器的工作原理。对消器的输出为
)1(0r T j i e u u ω--= (6.5.19)
对消器的频率响应特性为
)2
(0sin 2sin )cos 1(1)(r r
fT j r r T j i
e T
f T j T e u u j H ππ
ωπωωω--=+-=-== (6.5.20)
图6.5.8对消器框图及其输出响应
其频率响应特性如图6.5.8。对消器等效于一个梳状滤波器，其频率特性在r nf f =各点处均为零。固定目标频谱的特点是它的谱线位于r nf 点上，因而在理想情况下，通过对消器后输出为零。当目标的多普勒频率为重复频率的整数倍时，其频谱结构也有相同的特点，故通过上述梳状滤波器后无输出。
采用级联二项式形的N 次对消器（1+N 脉冲对消）的权系数为()2
1x -展开式的系数，其计算式为
()
()()1,...2,1,!
1!1!
11
+=-+--=-N i i i N N w i i (6.5.21)
非递归滤波器中的权系数变化它的输出也会变化。MTI 滤波器中的权系数可选二项式系数，也可选其它的系数。在不同的准则下，系数也不同。在没有先验知识的情况下，二项式系数式一个很好的选择。
如果已知信号和杂波的协方差阵，在最优MTI 滤波器的准则是改善因子最大化时，则可以求其最优化的权系数。
如果杂波协方差阵为：)(T
c c E A *=，信号协方差阵为：)(T
s s E S *=。其中：权系数向量为)1(?=N w ，信号向量为)1(?=N s ，杂波向量为)1(?=N c ，*代表共轭，T 代表转置。则FIR 滤波器的最优化权系数为
*1s kA w i -= (6.5.22)
式中k 为任意常数，1
-A 为杂波协方差阵的逆，s 为目标回波信号向量。
最优化权系数是相对于一定准则的，准则不同结果也不同。如果没有先验知识或先验知识不准确，则求得的最优权系数的实现效果可能会小于二项式权系数实现的结果。 (b) 递归滤波器
带有反馈的滤波器称为递归型滤波器。递归型一次对消器的传递函数为
1
11
11)()()(----=
=z K z z X z Y z H (6.5.23)
递归滤波器的框图和频响如图6.4.4所示。虽然递归滤波器有较好的频响，可以减小滤波器的阶数，但它的暂态响应差，限制了它在雷达信号处理中的应用。
(a) 递归滤波器框图
图6.5.9 波器框图及其输出响应
2.优化MTI 滤波器设计：
在自适应杂波抑制的应用环境下，我们需要的理想滤波器是在杂波分布的频率点处，能使杂波得到最大限度的抑制，而在其他频率点具有最大平坦幅度。 (a)零点分配算法
零点分配算法是在设计带阻滤波器时，在凹口处设置频率响应零点的一种方法，他不需要计算杂波的相关系数。 的延迟时间是i τ。FIR 滤波器在t 时刻的输出
对于FIR 滤波器，如图6.5.10，设第i 阶
的权系数为i w ，i=0，1，2，…，N ，滤波器
是前几个时刻输入信号的加权和。N 阶滤波器
的传输函数为：
图6.5.10 FIR 滤波器框图
()20
i N
j fT i i H f w e π-==∑
(6.5.24)
(b) 递归滤波器频率响应
式中，T 0=0且1
i
i k
k T τ
==
∑；i =0,1,2,…, N 。将()H f 在f =f 0处展开成泰勒级数：
()()()()200000'()''/2()H f H f H f f f H f f f =+?-+?-+
(6.5.25)
式中:
()
()()0
200
2i N
k
k j f T k i i i H
f j T w e π
π-==-∑ (6.5.26)
要在f =f 0处设计带阻滤波器，为使在f =f 0处附近幅度最大平坦，则必须使泰勒级数展开式中0()k
f f -（k =0,1,2,…,N -1）的系数为零，即
()()00k H f =， k =0，1，2，…，N-1 (6.5.27)
这样， 就产生了N 个关于w i ，的齐次线形方程。
020
0i N
j f T k
i
i i T
w e π-==∑ k =0,1,2,…,N-1 (6.5.28)
其中，001T =，0w 为一个常数。将式(6.5.28)写成矩阵形式：
0A W w U ?=- (6.5.29)
其中：()12,,,T
N W
w w w =，()1,0,,0T U =
0102
00102
00102
2222221
222211112N N N j f T j f T j f T j f T j f T j f T N j f T j f T j f T N N N N e e e Te T e T e A T e T e T e πππππππππ------------??
????
=?
??????
?
(6.5.30)
取i τ=Tr,解矩阵方程(6.5.29)得权系数向量W 带入式(6.5.24)即得滤波器的频率响应如下：
归一化频率f/fr
频率响应H (f )(d B )
归一化频率f/fr
频率响应H (f )(d B )
(a)凹口对准0频点杂波 (b)凹口对准动杂波
图6.5.11 零点分配算法MTI 滤波器频率响应
目标速度为对应r f 的整数时倍称为盲速。由图6.5.11， MTI 滤波器会在整数倍r f 的多普勒频率处形成凹口。因此，当运动目标的多普勒频率等于整数倍r f 时，这些运动目标也会被MTI 滤波器滤掉。使用参差变T 可以将第一个盲速扩大到可以接受的范围，即使其大于可能出现的目标最大速度。如图6.5.10，设计一个3阶3参差变T 滤波器，123::11:12:13τττ=，得MTI 滤波器频率响应如下：
基于openCV的动态背景下的运动目标检测 摘要：介绍在动态背景下对视频图像序列进行运动目标的检测，主要包括三个步骤，分别是运动估计，运动补偿和目标检测。在运动估计中采用的主要是基于特征点匹配算法。这种算法与传统的块匹配算法最大的好处在于它的数据量少，计算简单迅速而且图像的匹配可靠性更高。最后用计算机视觉类库openCV进行实现。 关键词：运动目标检测；openCV；特征点匹配 Moving Object Detection in the Dynamic Background Based on openCV Abstract：Introducing a moving object detection algorithm of the dynamic background in the video image sequence，which includes three steps. They are motion estimation, motion compensation and object detection. At the motion estimation, we take an algorithm based on the feature points matching. The advantages of this algorithm is that it needs fewer data and indicates faster calculating speed compared to the block matching algorithm. What’s more, the matching of the video image sequence is more reliable. Then used openCV realized the algorithm. Keywords: moving object detection; openCV; feature points matching 引言 在生活中摄像头可以说随处可见，我们经常需要对视频中的运动目标进行相关操作，这就设涉及到了对运动目标的检测及跟踪。作为视觉领域的一部分，它不仅对我们的生活，在军事，医学等各种领域里都有着广泛的影响。 所谓运动目标的检测就是在一段序列图像中检测出变化区域，并将运动目标从背景图像中提取出来[2]，它是基础，能否正确的检测与分割出运动目标对后续的工作有着巨大的影响。常见的运动目标检测方法有：背景差分法，帧差法，累积差分法，光流法。本文主要介绍的是一种在动态背景下对运动目标进行检测的算法。 检测算法介绍 检测算法有很多种，不同的算法有他们各自的利与弊。背景差分法：是事先将背景图像存储下来，再与观测图像进行差分运算，实现对运动区域的检测。这种方法能得到较为完整的运动目标信息，但背景图像必须随着外部条件比如光照等的变化而不断更新，所以背景模型的获取和更新比较麻烦。帧差法：直接比较相邻两帧图像对应像点的灰度值的不同，然后通过阈值来提取序列图像中的运动区域[2]。这种方法更新速度快，算法简单易实现，适应性强，不需要获取背景图像。但是背景与运动目标间需要有一定程度的灰度差，否则可能在目标内部产生空洞，不能完整的提取出运动目标。为了改进相邻两帧间的差分效果，人们提出了累积差分法。累积差分法是利用三帧图像计算两个差分图像，再令其对应像素相乘的算法。它通过分析整个图像序列的变化来检测小位移或缓慢运动的物体。光流法是在时间上连续的两幅图想中，用向量来表示移动前后的对应点，在适当平滑性约束的条件下，根据图像序列的时空梯度估计运动场，通过分析运动场的变化对运动目标和场景进行检测和分割。 上面的几种算法都是基于静态背景下的方法，下面主要介绍动态背景下运动目标的检测。 因为生活中我们在很多情况下背景图像都不是静态的，有时摄像机都是安装在一个运动
非均匀空时自适应处理 摘要 本文首先依次介绍了在非均匀环境下的STAP处理法，包括降维、降秩以及LSMI方法，接着重点分析了直接数据域（DDD）方法的原理及实现过程，最后针对直接数据域方法进行了仿真实验。 引言 机载雷达对运动目标检测时, 面临的主要问题是如何抑制强大的地面杂波和各种类型的干扰，空时自适应处理（STAP）是解决该问题的关键技术。STAP 技术通过对杂波或干扰训练样本分布特性的实时学习来来形成空域—时域二维自适应权值，实现对机载雷达杂波和干扰的有效抑制。 STAP技术在形成自适应权值时，需要计算杂波协方差矩阵R。实际系统的协方差矩阵是估计得到的，即先在待检测距离单元的临近单元测得K个二维数 据矢量样本V i（i=1，2…K），再计算R的估计值?=Σ i=1K V i V i H∕K，然后可得自 适应权值W=μR^-1S，其中μ为常数，S为空时导向矢量。临近训练样本的选择必须满足独立同分布（IID）条件。同时，为了使由杂波协方差矩阵估计引起的性能损失控制在3dB内，要求均匀训练样本数K至少要2倍于其系统自由度（DOF）。如果所选样本非均匀，则形成的权值无法有效对消待检测单元中所含有的杂波和干扰，从而大大降低对运动目标的检测性能。 在实际应用中, 机载雷达面临的杂波环境往往是非均匀的, 这对经典的S T A P 技术带来了极大的挑战。针对这一难题, 许多新的适用于非均匀杂波环境的S T A P 方法不断被提出。 1、解决非均匀样本的方法 1.1、降维方法 降维方法的最初目的是为了减少空时自适应处理时所需的巨大运算量, 但后来发现该类方法同时大大减少了对均匀训练样本数的需求, 对非均匀情况下杂波抑制起到了积极的作用。降维方法将每次自适应处理所需要抑制的杂波范围限制在某一个较小杂波子空间内, 根据RMB准则和Brennan定理, 自适应处理时所需要的均匀训练样本数由2 倍于整体系统自由度减至降维后2 倍于子空间系统自由度。降维程度越高, 对均匀训练样本的需求就越少。降维方法属固定结构方法, 无法充分利用杂波的统计特性。当辅助波束与杂波谱匹配很好时, 处理性能往往很好。反之, 则性能下降。 1.2、降秩方法 与固定结构降维方法相反, 降秩方法充分利用回波中杂波的分布特性, 每次处理选取完备杂波空间来形成自适应权值对消杂波分量, 可看作依赖回波数据的自适应降维方法。该类方法在形成权值过程中利用的信息中不含噪声分量, 所以避免了小样本情况下噪声发散带来的性能下降问题, 故减少了对均匀训练样本数的需求。同样, 该类方法在满足信杂噪比损失不超过 3 d B 条件时所需的训练样本数约为 2 倍的杂波子空间的维数。从处理器结构上来看, 降秩方法可
（由组委会填写）第十一届华为杯全国研究生数学建模竞赛 学校大连理工大学 参赛队号10141005 队员姓名1.鲁欢 2.候会敏 3.程帅兵
（由组委会填写） 第十一届华为杯全国研究生数学建模竞赛 题目机动目标的跟踪与反跟踪模型的建立及求解 摘要： 本文主要对机动目标追踪与反追踪模型的建立及求解问题进行了相关计算，讨论结果大致如下： 问题一，根据附件中的数据，利用数值法求解各个时刻点处的加速度，挑出加速度数量较大的时刻，并绘出矩形图，以加速度持续较大的时刻点为机动时间范围，并进行统计其大小以及方向，追踪模型则是依据现时刻以及前一时刻估计出的的物理量如位置速度加速度等，并根据数据统计出目标的机动能力即两时刻加速度最大该变量作为下一时刻的加速度，来计算在这种极限状态下目标向四周逃离的最远边界，因而形成一个区域，其中心即为雷达天线下时刻所指方向。航迹计算将三雷达测得的数据转换到同一坐标系中在进行拟合得到。 问题二，首先进行了航迹起始的确定。采用联合概率数据关联(JPDA)算法，通过对确认矩阵拆分得到互联事件及互联矩阵，计算互联事件的概率来进行数据关联，然后按照确定航迹。为避免雷达对于仅有一个回波信号的失跟情况，采取调动多种检测手段对目标密切关注，并改进雷达的内部控制计算算法。 问题三，我们建立了微分方程模型。着重分析了在空间范围内的机动目标的切向加速度以及方向加速度随时间的变化规律。通过运用Excel进行数据的处理计算得出切向加速度以及法向加速度的数值，利用Matlab编程得出其变化规律的轨迹图像。再结合问题一中的追踪模型，得到在数据3情况下的变化规律。通过对比，得出模型一的结论应用于问题三，其结果产生较大的偏差。 问题四，我们建立了卡尔曼滤波预测模型。利用卡尔曼滤波对机动目标进行预测，经过多次循环得出200对的位置坐标，利用Matlab软件给出了模拟后的卡尔曼滤波波形图。再进行对坐标的空间及时间复杂度进行分析，得出最终的结
动态视频目标检测和跟踪技术 传统电视监控技术只能达到“千里眼”的作用，把远程的目标图像（原始数据）传送到监控中心，由监控人员根据目视到的视频图像对现场情况做出判断。智能化视频监控的目的是将视频原始数据转化为足够量的可供监控人员决策的“有用信息”，让监控人员及时全面地了解所发生的事件：“什么地方”，“什么时间”，“什么人”，“在做什么”。将“原始数据”转化为“有用信息”的技术中，目标检测与跟踪技术的目的是要解决“什么地方”和“什么时间”的问题。目标识别主要解决“什么人”或“什么东西”的问题。行为模式分析主要解决“在做什么”的问题。动态视频目标检测技术是智能化视频分析的基础。 本文将目前几种常用的动态视频目标检测方法简介如下： 背景减除背景减除（Background Subtraction）方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动目标的一种技术。它一般能够提供相对来说比较全面的运动目标的特征数据，但对于动态场景的变化，如光线照射情况和外来无关事件的干扰等也特别敏感。实际上，背景的建模是背景减除方法的技术关键。最简单的背景模型是时间平均图像，即利用同一场景在一个时段的平均图像作为该场景的背景模型。由于该模型是固定的，一旦建立之后，对于该场景图像所发生的任何变化都比较敏感，比如阳光照射方向，影子，树叶随风摇动等。大部分的研究人员目前都致力于开发更加实用的背景模型，以期减少动态场景变化对于运动目标检测效果的影响。 时间差分时间差分（Temporal Difference 又称相邻帧差）方法充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。在一般情况下采集的视频图像，若仔细对比相邻两帧，可以发现其中大部分的背景像素均保持不变。只有在有前景移动目标的部分相邻帧的像素差异比较大。时间差分方法就是利用相邻帧图像的相减来提取出前景移动目标的信息的。让我们来考虑安装固定摄像头所获取的视频。我们介绍利用连续的图像序列中两个或三个相邻帧之间的时间差分，并且用阈值来提取出视频图像中的运动目标的方法。我们采用三帧差分的方法，即当某一个像素在连续三帧视频图像上均有相
雷达目标检测实例 雷达对Swerling起伏目标检测性能分析 1.雷达截面积(RCS)的涵义 2.目标RCS起伏模型 3.雷达检测概率、虚警概率推导 4.仿真结果与分析
雷达通过发射和接收电磁波来探测目标。雷达发射的电磁波打在目标上，目标会将入射电磁波向不同方向散射。其中有一部分向雷达方向散射。雷达截面积就是衡量目标反射电磁波能力的参数。
雷达截面积(Radar Cross Section, RCS)定义:22o 2 4π 4π4π4π()4πo i i P P R m P P R σ=== 返回雷达接收机单位立体角内的回波功率 入射功率密度 在远场条件下，目标处每单位入射功率密度在雷达接收机处每单位立体角内产生的反射功率乘以4π。 R 表示目标与雷达之间的距离，P o 、P i 分别为目标反射回 的总功率和雷达发射总功率
?目标RCS和目标的几何横截面是两个不同的概念?复杂目标在不同照射方向上的RCS不同 ?动目标同一方向不同时刻的RCS不同 飞机舰船 目标RCS是起伏变化的，目标RCS大小直接影响着雷达检测性能。为此，需用统计方法来描述目标RCS。基于此，分析雷达目标检测性能。
Swerling 模型是最常用的目标RCS 模型，它包括Swerling 0、I 、II 、III 、IV 五种模型。其中，Swerling 0型目标的RCS 是一个常数，金属圆球就是这类目标。Swerling Ⅰ/Ⅱ型： 1 ()exp()p σ σσσ =- 指数分布 Swerling Ⅰ：目标RCS 在一次天线波束扫描期间是完 全相关的，但本次和下一次扫描不相关（慢起伏），典型目标如前向观察的小型喷气飞机。 Swerling Ⅱ：目标RCS 在任意一次扫描中脉冲间不相关（快起伏），典型目标如大型民用客机。
动平衡机校验操作指导书 （IATF16949-2016/ISO9001-2015） 一、目的与范围 动平衡机是用来对机械旋转部件进行动平衡测试，以求得动平衡量产生的位置和大小，通过增加和去重量的方法，使机械的旋转部件的动不平衡量减少到最小，不至于引起机械设备的振动。因此，应对动平衡机进行定期校验，以保证动平衡机的精度要求。 本规程适用于硬支撑动平衡机的校验。 二、校验项目和环境条件 1．校验项目：动平衡机的测试正确性和测试准确度。 2．环境条件：校验时环境要求为25±15℃。 三、校验要求和校验方法 1．校验要求 1.1在动平衡机左右校正面上施加的不平衡质量的位置应和电测箱显示器显示的相位值对应，位置应不超过±3°。 1.2在动平衡机左右校正面上施加的不平衡质量应和电测箱显示器显示的质量值相对应，误差应不超过2％。 2．校验方法 2.1操作前做好清洁工作，特别是转子轴径、滚轮、万向联轴节和连接处的清洁工作。 2.2调整两支持架距离使其适应标准转子两端轴承间的距离。把万向节的行程
调节的紧固螺钉固紧后，将标准转子放置在动平衡机的两支撑架上，与万向联轴节联接并紧固，以避免标准转子轴向窜动。 2.3接通动平衡机总电源后，再接通电测箱电源，电测箱接通后将显示其本身的型号和版本号，接着电测箱自动依照程序进入自检过程，自检结束后将显示“TESTE”字符。若电测箱内部功能正常以及部件间连接完好，则电测箱进入测量过程，否则显示停留在“TEsTE”。 2.4初始状态，显示器将显示存贮单元的内容：A：B：c的数值，R1、R2的数值，校正方法，加重、去重，文件号。若标准转子的数据已存入内存文件，则调出文件并按测量键进入测量过程，若标准转子的数据未存入内存文件，则需输入标准转子数据，再进入测量过程，并选择“加重”测量方式。 2.5以上各项调整完毕，按下“启动”按钮，转子旋转，电测箱将显示转子的时机转速，执行存贮器内连续测量数次后，自动保存测量结果，且可重复测量、记录测量结果。其显示的不平衡量和相位应符合1.1及1.2所要求。 2.6在左校正面上分别施加一个2．5g、5g、10g的不平衡质量，测量并观察 电测箱显示器的显示值与实际加重质量的相位和质量是否相对应，并作相应的记录。 2.7在右校正面上分别施加一个2．5g、5g、10g的不平衡质量，测量并观察电测箱显示器的显示值与实际加重质量的相位和质量是否相对应，并作相应的记录。 四、校验结果的处理和校验周期 1．经校验符合本规范要求的动平衡机应填发“合格”标识，不符合本规范 要求的动平衡机应填发“禁用”标识。
第３９卷第５期２０１７年１０月 指挥控制与仿真 ＣｏｍｍａｎｄＣｏｎｔｒｏｌ＆Ｓｉｍｕｌａｔｉｏｎ Ｖｏｌ．３９一Ｎｏ．５Ｏｃｔ．２０１７ 文章编号：１６７３-３８１９（２０１７）０５-００５４-０４ 基于边际似然比的目标机动的序贯检测方法 刘一强，许一洋，牛竹云 （北方自动控制技术研究所，山西太原一０３０００６） 摘一要：总结了两大类机动检测的统计检验方法：χ２统计量检验法和似然函数比检验法三将一种基于边际似然函数比的序贯检测方法（ＳｅｑｕｅｎｔｉａｌＭａｒｇｉｎａｌＬｉｋｅｌｉｈｏｏｄＲａｔｉｏＴｅｓｔ，ＳＭＬＲＴ）应用到目标机动检测中，利用机动假设的先验分布推导出机动似然比的近似公式三实验比较了ＩＭＭ（ＩｎｔｅｒａｃｔｉｎｇＭｕｌｔｉｐｌｅＭｏｄｅｌ，ＩＭＭ）二ＭＲ（ＭｅａｓｕｒｅｍｅｎｔＲｅｓｉｄｕａｌ，ＭＲ）二ＩＥ（ＩｎｐｕｔＥｓｔｉｍａｔｉｏｎ，ＩＥ）以及ＳＭＬＲＴ在不同机动方式下的机动检测性能，数据表明：当假设的机动加速度变量的先验分布（混合高斯分布）与实际分布较为接近时，ＳＭＬＲＴ的机动检测性能优于其他三种检测器的性能三关键词：机动检测；先验分布；边际分布；似然比；序贯检测 中图分类号：ＴＰ２１２；Ｅ９１７一一一一文献标志码：Ａ一一一一ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３-３８１９．２０１７．０５．０１２ ＭａｒｇｉｎａｌＰｒｏｂａｂｉｌｉｔｙＲａｔｉｏＢａｓｅｄｏｎＭｅｔｈｏｄｏｆＭａｎｅｕｖｅｒＳｅｑｕｅｎｔｉａｌＴｅｓｔ ＬＩＵＱｉａｎｇ，ＸＵＹａｎｇ，ＮＩＵＺｈｕ-ｙｕｎ （ＮｏｒｔｈＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙＩｎｓｔｉｔｕｔｅｏｆＣｈｉｎａ，Ｔａｉｙｕａｎ０３０００６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｇｅｎｅｒａｌｉｚｅｓｔｗｏｃｌａｓｓｅｓｏｆｓｔａｔｉｓｔｉｃａｌｍａｎｅｕｖｅｒｔｅｓｔｍｅｔｈｏｄｓ：χ２ｓｔａｔｉｓｔｉｃｔｅｓｔａｎｄｐｒｏｂａｂｉｌｉｔｙｒａｔｉｏｔｅｓｔ．Ｗｅａｐｐｌｙａｍｅｔｈｏｄｏｆｓｅｑｕｅｎｔｉａｌｍａｒｇｉｎａｌｌｉｋｅｌｉｈｏｏｄｒａｔｉｏｔｅｓｔ（ＳＭＬＲＴ）ｔｏｍａｎｅｕｖｅｒｄｅｔｅｃｔｉｏｎ．ＷｅｃｏｍｐａｒｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｉｓｐｒｏｐｏｓｅｄｍｅｔｈｏｄｗｉｔｈＩＭＭ，ＭＲａｎｄＩＥ ｓ．ＳｉｍｕｌａｔｉｏｎｓｈｏｗｓｔｈａｔＳＭＬＲＴｈａｓｉｔｓｐｒｉｏｒｉｔｙｃｏｍｐａｒｉｎｇｏｔｈｅｒｓ ，ｗｈｅｎｔｈｅｐｒｉｏｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｍａｎｅｕｖｅｒａｃｃｅｌｅｒａｔｉｏｎｆｉｔｓ（ＭｉｘｔｕｒｅＧａｕｓｓｉａｎ）ｔｏｔｈｅｒｅａｌｄｉｓｔｒｉｂｕｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｍａｎｅｕｖｅｒｄｅｔｅｃｔｉｏｎ；ｐｒｉｏｒｄｉｓｔｒｉｂｕｔｉｏｎ；ｍａｒｇｉｎａｌｄｉｓｔｒｉｂｕｔｉｏｎ；ｌｉｋｅｌｉｈｏｏｄｒａｔｉｏ；ｓｅｑｕｅｎｔｉａｌｄｅｔｅｃｔｉｏｎ 收稿日期：２０１６-０９-１４ 修回日期：２０１７-０４-１７ 作者简介：刘一强（１９８５-），男，山西太原人，工程师，研究方 向为信息融合三 许一洋（１９８８-），男，硕士，工程师三牛竹云（１９６４-），男，硕士，研究员三 一一机动目标跟踪是近几十年来国内外众多学者研究的热门议题 ［１-５］ 三机动检测是目标机动跟踪的重要环 节，其主要目的是根据目标运动模式的变化，实时检测目标机动的起始和终止时刻，以自适应地切换跟踪滤波器三一般情况下，自适应跟踪滤波器使用两种滤波器：一种是窄带滤波器，适合于一般情况下的高精度跟踪；一种是宽带滤波器，以有效地跟踪机动目标三机动检测技术大多可归结为二元假设检验问题，即统计量的检测三目前，机动检测主要有两类统计量检测方法：基于χ２统计量的检测和基于似然函数比的检测三基于χ２统计量的检测方法，按照检测变量划分，可分为量测残差检测（ＭｅａｓｕｒｅｍｅｎｔＲｅｓｉｄｕａｌ，ＭＲ）和输入量估计检测（ＩｎｐｕｔＥｓｔｉｍａｔｉｏｎ，ＩＥ）；基于似然函数比的检测方法最早于２０世纪８０年代提出，即使用Ｓｈｉｒｙａｅｖ似然函数的序贯检测方法［６-７］，而后改进为广义似然函数比检测（ＧｅｎｅｒａｌｉｚｅｄＬｉｋｅｌｉｈｏｏｄＲａｔｉｏ，ＧＬＲ）［４，８］和边际似然比检测（ＭａｒｇｉｎａｌｉｚｅｄＰｒｏｂａｂｉｌｉｔｙＲａｔｉｏ，ＭＬＲ）［９］的方法三 由于ＩＭＭ（ＩｎｔｅｒａｃｔｉｎｇＭｕｌｔｉｐｌｅＭｏｄｅｌ，ＩＭＭ）使用似然函数来计算更新每一模型发生的概率，因此ＩＭＭ机动检测也是一种似然比检测方法［１０-１１］三 基于χ２统计量的检验一般针对输入或者量测的 残差统计量同先验设定的阈值进行比较，以完成机动检测三一般情况下，目标运动方程中过程噪声的二阶矩很难给出准确的估计，因而阈值很难先验设定［１２］；同时，在滤波过程中，一般将目标机动认为是随机噪声，当目标机动时，运动方程的过程噪声ω增加，因而Ｑ增加，从而滤波残差Ｓ也显著增加，这种现象称为滤波残差的Ｑ效应三如果在系统过程噪声和机动水平完全未知的条件下，阈值的选取对于检测的准确性和时效性影响较大三 笔者认为似然函数比使用比例的方法突出了假设检验的相对性，对于过程噪声和机动水平未知的情况下，机动检测具有很好的鲁棒性三同时，序贯检测方法与使用滑窗或者累积统计量的检测方法相比，仅使用 当前 的状态估计和预测信息进行似然函数计算，可以有效避免先前非机动统计对当前统计量的影响，一定程度上克服累积统计的记忆性延时三因而基于似然函数比的机动检测方法比基于χ２统计量的硬检测方法具有更好的适应性和精确度，使用序贯检测的方法相较于滑窗检测方法一般会有较低的滞后性三 １一运动模型和机动假设检验方法 １.１一运动模型 目标在非机动段上的运动方程为ＣＶ模型： 万方数据
视频图像中运动目标检测方法研究
毕业论文 题目视频图像中运动目标检测 方法研究
摘要 在很多现代化领域，运动目标检测都显示出了其重要的作用。尤其是近二十年的社会经济的飞速发展，运动目标检测都彰显了其重要性，在航空、通信、航海等各个方面都有关键性的作用，从而使运动目标检测方法的研究成为各国的研究热门课题。 通过阅读大量的相关论文、期刊及其网络资源，了解了高斯背景建模及背景更新的基本原理及思想。在本文中，首先介绍了运动目标检测方法的相关基础知识，如图像的二值化、图像的形态学处理、颜色空间模型。然后重点说明了三种常用的运动目标检测方法的研究，简要阐述了三种研究方法的基本思想。在老师的帮助下进行了相应的实验，最终得出了三种运动目标检测方法的优点和缺点，着重探究了高斯背景建模及其背景更新基本原理及思想。 最后，通过相关的程序及软件对混合高斯背景模型进行了相关的实验，进而发现了混合高斯背景建模算法存在的不足之处，如：高斯背景建模的计算量大、运动目标较大时检测效果差等问题，并对对这些问题提出了相关设想及改进。 关键词：运动目标检测；二值化；图像的形态学处理；高斯背景建模；背景更新 I
ABSTRACT In many modern fields, moving target detection are showing its important role. Especially nearly twenty years of rapid development of social economy, the moving target detection has shown its importance, in various aviation, communication, navigation and so on have a key role, so the study of moving target detection method has become a research hot topic in countries. By reading relevant papers, a large number of journals and cyber source, understand the basic principle and thought of Gauss background modeling and updating the background. In this paper, firstly introduces the basic knowledge of moving target detection method, such as the two values image, morphological image processing, color space model. Then focus on the study of three methods used for moving object detection, a brief description of the basic ideas of the three kinds of research methods. By the experiment, the results of three kinds of method of moving target detection has advantages and disadvantages, this paper emphatically explores Gauss background modeling and background updating basic principle and thought. Finally, through the program and software related to mixed Gauss background model for the relevant experiments, and found the shortcomings, the presence of mixed Gauss background modeling algorithm such as: the problem of computing Gauss background modeling, moving target volume larger detection effect is poor, and on these problems put forward relevant ideas and improvement. Keywords: moving object detection; two values; I I
基于背景差分法的机动目 标检测 This model paper was revised by the Standardization Office on December 10, 2020
LANZHOU UNIVERSITY OF TECHNOLOGY 毕业论文 题目基于背景差分法的机动目标检测学生姓名梅金涛 学号 09250124 专业班级通信工程（1）班 指导教师李立 学院计算机与通信学院 答辩日期 2013年6月17日
基于背景差分法的机动目标检测 Maneuvering target detection based on background difference method 论文作者：梅金涛 拼音：Mei Jintao 学号：09250124
在道路交通管理中，采用摄像头拍摄的道路视频，再用计算机软件处理的方法，则可 以极大的增加方便性和灵活性。本文运动目标检测研究如何让计算机从视频图像序列中获 得物体运动数据。 运动目标检测分为视频读取、灰度处理、视频图像化、运动位置提取这几个步骤。论 文的提取背景是通过算数平均法实现的。与此同时，在运动点团位置提取步骤中，采用了 背景减法直接将目标提取出来。 本文还通过实验分析比较了图像预处理给实验带来的正面效果。实验结果再次证明了 平均法和差分法在图像处理领域的方便性和灵活性。 关键词：读取视频;视频图像化;背景提取;目标提取。 Abstract Road traffic management system often uses camera to capture the roadway with computer software processing method in order to increase processing convenience and flexibility. The topic of this paper is the detection of moving target, and this also means how to get the whole target from the image sequence. Moving target detection is divided into several steps，such as video read, grayscale processing, video visualization, sports location extracting. In this paper, background is extracted by arithmetic mean method. At the same time, the paper in the moving point position extraction step, used the background subtraction to pick up the target directly. This article also analysis the image preprocessing experiment to bring the positive effect by experiment. The experimental results prove that the average method and difference method again in convenience and flexibility in the field of image processing. Keywords: Video Reading、Graphical Video、Background Extraction、Target Extraction.
龙源期刊网 https://www.doczj.com/doc/b76269853.html, 动态场景中的视觉目标识别方法分析 作者：焦迎雪 来源：《电子技术与软件工程》2016年第20期 摘要当前动态场景中的视觉目标识别技术在生活中的角色越来越重要，在军事应用，医疗卫生，交通指挥以及在人工智能方面都能看到该项技术的影子。其中图像目标识别这一环节更是机械视觉领域所不能替代的，是计算机真正能够拥有感知能力的一个重要途径。随着这几年科技的不断发展，目标识别技术也在飞速的提高，正在逐渐从研究阶段转变到现实的生活应用中。通过结合动态场景中受光照、视角以及背景等影响较大的目标对动态场景中的视觉目标识别，本文从视觉目标特征检测与描述和目标识别等方面对动态场景的视觉目标识别方法展开研究。 【关键词】目标识别动态场景特征检测描述支持向量机空间金字塔 1 动态场景中的视觉目标识别方法的背景及意义 视觉目标识别是一种利用图像处理和模式识别领域的理论知识和方法，判断并对存在的感兴趣的目标赋予合理的解释，在必要情况下甚至可以确定其位置。其中视觉目标识别的场景可以分为静态场景和动态场景。现实中的场景大多数为动态场景，受到的环境因素特别大，比如光照条件的影响，场景中物物体的移动等等都会对整个识别环境的过程带来很大的影响。因此，动态场景中视觉目标对工作人员的研究具有一定的挑战。 2 动态识别系统的实际应用 2.1 辅助驾驶系统 辅助驾驶系统即为辅助驾驶员驾驶车辆或者可以使车辆进行自动驾驶的系统。辅助驾驶系统是一种通过雷达，红外探测仪以及摄像头，通过程序精确的为车辆判断自身车辆与障碍物或者在行驶过程中的前方车辆的距离，保证车辆的安全行驶。在遇到紧急的情况的时候，车辆自身的系统可以听过程序付出紧急警报或者自动刹车进行避让，对车辆的行驶以及司机的生命安全做出保障。 2.2 交通监控系统 交通监控系统可以在车辆、交通、以及驾驶员之间建立起一种快速的通讯联系，同时在道路发生拥堵以及道路上行驶的车辆发生故障时可以将这些信息以最快的速度传输给交通管理人员，使之坐车相应的安排。在功能作用上与机场的航空控制器的作用类似。 2.3 智能机器人系统
红外小目标检测方法概述 1110540103 李方舟 1.什么是红外小目标？ 关于小目标”的定义，目前没有统一的定论。一般认为，当红外成像的距离较远时，在成像平面上只占几个或几十个像素的面积，表现为点状或斑点状，对比度和信噪比较低的目标，即可称之为小目标。 2.为什么要进行红外小目标检测？ 红外成像具有距离远，隐蔽性高，抗干扰能力强，穿透烟尘，雾以及阴霾的能力强，可全天候，全时间工作等优点。因此被广泛应用于监视侦察以及导航等军事领域，成为现代精确制导武器的主要技术之一。 在尽可能远的距离上检测并跟踪到敌方目标，以争取在有利的时机发动攻击。是决定现代战争胜负的重要因素。 距离越远，目标成像面积越小，图象质量越差，对目标的检测和跟踪越困难。 因此，研究小目标的检测和跟踪方法，对提高红外成像系统的作用距离，有着非常重要的意义。 目标检测作为寻的制导系统中的前端处理环节，是精确制导中最为关键和核心的组成部分。只有及时检测到目标，才能保证如目标的如目标跟踪等后续工作的正常进行。基于此原因，在红外凝视成像的图像序列中进行目标检测具有相当的难度，几乎所有的小目标检测法都致力于增强图像的信噪比，积累目标能量，以提高目标检测能力。 3.红外小目标检测方法分析 对于红外目标的检测问题，目标的一些先验信息，如目标的形状、大小，目标灰度变化在时间上的连续性，以及目标运动轨迹的连续性等是有效分割目标和噪声的关键。目标检测方法根据这些特性的使用顺序不同，可分为两大类： 先检测后跟踪( D e t e c t B e f o r e T r a c k ，D B T )方法 和先跟踪后检测( T r a c k B e f o r e D e t e c t ，T B D )方法。 3.1 DBT检测方法 基于先检测后跟踪的目标检测技术属于一类经典的红外目标检测。该类方法分为两步:首先根据目标形状，强度等特性，在单帧图像中检测出候选目标，然后根据实际需要，在分割后的二值化图形序列中，通过序列图像投影到目标轨迹。DBT检测方法主要分以下几种：1）阈值检测方法 所谓阈值检测方法，是基于目标在图像中主要为高频分量，而背景对应低频部分这一事实，对淹没在近似正态分布杂波中的已知其响应分布的小目标，寻求其最佳信噪比。 2）小波分析方法
机械动平衡 一、实验目的 1.了解转子不平衡的危害。 2.巩固转子动平衡的理论知识。 3.掌握动平衡机的基本工作原理及动平衡机进行刚性转子动平衡的方法。 二、实验设备 实验设备为DPH－I型智能动平衡机，如图6-1所示，测试系统由计算机、数据采集器、高灵敏度有源压电力传感器和光电相位传感器等组成。当被测转子在部件上被拖动旋转后，由于转子的中心惯性主轴与其旋转轴线存在偏移而产生不平衡离心力，迫使支承做强迫震动，安装在左右两个硬支撑机架上的两个有源压电力传感器感受此力而发生机电换能，产生两路包含有不平衡信息的电信号输出到数据采集装置的两个信号输入端；与此同时，安装在转子上方的光电相位传感器产生与转子旋转同频同相的参考信号，通过数据采集器输入到计算机。 图 6-1 DPH－I型智能动平衡机结构简图 计算机通过采集器采集此三路信号，由虚拟仪器进行前置处理，跟踪滤波，幅度调整，相关处理，FFT变换，校正面之间的分离解算，最小二乘加权处理等。最终算出左右两面的不平衡量（g），校正角（°），以及实测转速（r/min）。 DPH－I型智能动平衡机有关内容简介见附录Ⅲ。 三、实验原理 由于转子结构不对称、材质不均匀或制造和安装不准确等原因，有可能会造成转子的质心偏离回转轴线。当其转动时，会产生离心惯性力。惯性力将在构件运动副中引起附加动压力，使机械效率、工作精度和可靠性下降，加速零件的损坏。当惯性力的大小和方向呈周期性变化时，机械将产生振动和噪音。因此，在高速、重载、精密机械中，为了消除或减少惯性力的不良影响，必须对转子进行平衡。 转子平衡问题可分为静平衡和动平衡两类。 对于轴向尺寸b 与径向尺寸D 的比值b/D ≤ 0.2，即轴向尺寸相对很小的回转构件（如砂轮、叶轮、飞轮等），常常可以认为不平衡质量近似的分布在同一回转平面内。因此只要在这个一回转面内加上或减去一定的质量，便可使转子达到静平衡。 当转子的b/D≥0.2（如电机转子、机床主轴等），或工作转速超过1000 r/min时，应考虑
LANZHOU UNIVERSITY OF TECHNOLOGY 毕业论文 题 目 基于背景差分法的机动目标检测
基于背景差分法的机动目标检测 Maneuvering target detection based on background difference method 论文作者：梅金涛 拼音：Mei Jintao 学号：09250124
摘要 在道路交通管理中，采用摄像头拍摄的道路视频，再用计算机软件处理的方法，则可以极大的增加方便性和灵活性。本文运动目标检测研究如何让计算机从视频图像序列中获得物体运动数据。 运动目标检测分为视频读取、灰度处理、视频图像化、运动位置提取这几个步骤。论文的提取背景是通过算数平均法实现的。与此同时，在运动点团位置提取步骤中，采用了背景减法直接将目标提取出来。 本文还通过实验分析比较了图像预处理给实验带来的正面效果。实验结果再次证明了平均法和差分法在图像处理领域的方便性和灵活性。 关键词：读取视频;视频图像化;背景提取;目标提取。
Abstract Road traffic management system often uses camera to capture the roadway with computer software processing method in order to increase processing convenience and flexibility. The topic of this paper is the detection of moving target, and this also means how to get the whole target from the image sequence. Moving target detection is divided into several steps，such as video read, grayscale processing, video visualization, sports location extracting. In this paper, background is extracted by arithmetic mean method. At the same time, the paper in the moving point position extraction step, used the background subtraction to pick up the target directly. This article also analysis the image preprocessing experiment to bring the positive effect by experiment. The experimental results prove that the average method and difference method again in convenience and flexibility in the field of image processing. Keywords: Video Reading、Graphical Video、Background Extraction、Target Extraction.
6.5 动目标显示与动目标检测 引言 1.目标回波频谱 6.5.1 目标回波和杂波的频谱 2.杂波频谱 原理递归 传统非递归 6.5.2 MTI滤波器零点分配算法 滤波器设计优化预测误差算法 结语 原理 MTI+FFT 6.5.3 MTD滤波器滤波器设计点最佳 等间隔最佳 结语 6.5.4 改善因子分析MTI MTD
6.5 动目标显示与动目标检测 雷达探测的运动目标如飞机，导弹，舰艇，车辆等周围存在各种背景，包括不动的地物和运动着的云雨，海浪或金属丝干扰等。动目标显示（Moving Target Indicator :MTI ）与动目标检测（Moving Target Detection: MTD ）就是使用各种滤波器，滤去这些背景产生的杂波而取出运动目标的回波。此外也可以通过把雷达安装在山上、增加雷达天线的倾角、安装防杂波网来阻止杂波进入天线；或通过调整雷达天线的波束形式、采用极化技术、降低雷达的分辨单元、在时域采用CFAR 检测、自适应门限、杂波图来抑制杂波。在频域上应用MTI 与MTD 技术可以提高信杂比，改善杂波背景下检测运动目标的能力。本节首先分析目标回波和杂波的频谱特性；然后分别讨论MTI 与MTD 原理及滤波器设计方法；最后分析MTI 与MTD 对改善因子的提高。 6.5.1 目标回波和杂波的频谱 运动目标回波和杂波在频谱结构上有所差别，运动目标检测就是利用这种差别，从频率上将它们区分，以达到抑制杂波而显示目标回波的目的。为此，应首先弄清楚目标和杂波的回波的特性。 (1) 目标回波的频谱 雷达发射相参脉冲串，其脉冲宽度为e T ，脉冲重复频率为r f 。当天线不扫描而对准目标时，所得脉冲为无限脉冲串。调制信号)(1t u 及其频谱)(1f U 分别为 ∑∞-∞=??? ? ? ?-=n e r T nT t rect A t u )(1 (6.5.1) ∑∞ -∞ =-=n r e e r e f n f T f T f T AT f U )()sin()(1δππ (6.5.2) A 为信号振幅。而高频载波)(2t u 及其频谱)(2f U 为 t t u 02cos )(ω= (6.5.3) )]()([2 1 )(002f f f f f U ++-=δδ (6.5.4) 发射的相参脉冲串)()()(21t u t u t u ?=，故其频谱)(f U 为 )()()(21f U f U f U ?= (6.5.5) A (d) 00 00f τ - 0f τ + f τ -+ 0f τ - f τ -+0d τ 0d τ (b) (a) 固定回波频谱 动目标回波频谱 图6.5.1 发射接收信号时域与频域特性 雷达发射信号通常是窄带信号(如图6.5.1(a))，因而运动目标回波频谱的特征是将发射信号的频谱位置在频率轴上平移一个多普勒频率 λ r d v f 2= (如图6.5.1(c))，d f 的符号由目标运动的方向决定，靠近为正，远离为负。固定回波的频谱与发射信号一致，只是幅度有衰减(如 图6.5.1(b))。 多普勒频率d f 可以直观地解释为：振荡源发射的电磁波以恒速c 传播，当接收者相对振荡源不动，则它的接收频率等于发射频率。当