张永宾[1]2004年在《毫米波主被动探测器信号处理系统研究》文中指出本文介绍了一个基于通用高速数字信号处理器(DSP)的毫米波主被动探测器信号处理系统。该系统是为了实现信号处理的实时性而开发的。系统具备对信号的采集、信号的实时处理、与PC机串口通信、产生变频调制信号及控制探测器主被动模式转换等功能。 文章分别从硬件和软件两部分对系统进行了详细论述。硬件电路以DSP为核心，包括了信号采集电路、变频调制电路及串口通信电路等，系统信号的处理及各电路的控制均由DSP完成。软件部分旨在实现探测目标的识别，先对采集到的信号进行预处理，其次求出信号主要的特征值，最后采用模板匹配算法对目标进行匹配识别。 系统有两个突出的优点，一是实时性，硬件电路器件的执行速度，软件部分直接采用DSP中地汇编指令编程、对算法进行优化都保证了系统实时性地实现；另一个优点就是集成度高、体积小、功耗低，集中体现在系统将信号采集电路、串口通信电路、变频调制电路和DSP电路等多个电路集成在一起。
周超杰[2]2007年在《近程探测器信号处理系统的软硬件设计》文中研究指明毫米波近程复合探测技术是将毫米波雷达和辐射计相结合，充分利用目标的主动测距和被动辐射特性来完成目标方位判定及目标识别，大大改善了毫米波探测器的性能，是毫米波探测技术的发展趋势。本文研究了近程探测器主被动回波信号的波形特征，通过对实际采集的波形与仿真波形对比，分析了目标识别相关算法。讨论了几种信号预处理的方法，重点分析了过采样技术在探测器信号预处理中的作用。以TMS320VC5410 DSP芯片为核心，利用C5410 DSP芯片高速的信号处理能力、丰富的片内资源以及灵活的外部接口，完成了近程探测器信号处理系统的硬件设计，包括：AD采样、存储扩展、系统电源、系统时钟等模块，完成了全部系统应用软件的设计，包括：AD采样、测距、信号预处理和滤波、目标识别等算法，实现了探测器主动测距和被动目标识别功能，编写了相应的程序实现系统的自举加载。最后，对系统进行调试，分析解决了调试中遇到的问题，总结了调试经验。
戴志强[3]2006年在《基于TMS320F2812在毫米波探测器目标识别中的应用》文中研究指明本文对3mm波段毫米波主被动复合探测系统的信号检测与处理进行研究，详细分析了探测系统的各项重要的技术指标，为探测系统的实际研制提供了理论依据。 本文依据系统的各项指标，基于TMS320F2812 DSP信号处理器，重点开展了毫米波探测器信号处理系统的软硬件分析与设计。详细开展了存储器、AD、DA、供电电源、系统外围接口等模块的设计，并提出了硬件上的改进方案。 开展了毫米波探测器目标识别算法研究及仿真，分析了毫米波主被动回波与目标、探测条件及环境之间的关系，提出了毫米波目标识别的基本算法原则。根据系统对信号处理的要求，设计完成整个系统软件，包括：主动测距、主被动目标识别、数字滤波等软件功能模块。完成了信号处理系统软硬件的联试联调，试验结果验证了本研究设计方案的有效性。
程琦[4]2003年在《主被动毫米波探测器信息融合研究》文中指出本文在基于信号处理理论和技术的基础上，系统地研究了数据融合在毫米波主、被动复合探测系统的目标识别中的应用。 毫米波主被、动探测系统将毫米波辐射计和雷达结合起来，取长补短，大大改善了整个系统的探测性能，这种复合体制是毫米波探测技术的重要发展方向之一。文章分别对毫米波主、被动及复合探测系统进行分析，阐述了毫米波在不同探测体制下回波信号的特点。 本文在分析了数据融合理论的基础上，探讨了Bayes融合判决和D-S证据理论在毫米波主、被动探测系统中的应用。在对主、被动探测信号进行了特征层和决策层数据融合后，验证了数据融合技术对毫米波主、被动探测系统探测目标识别性能的提升有较大的帮助。 根据研究结果，采用以AVR单片机为核心设计了目标识别系统的软硬件，并完成了部分实现方案。
李劲峰[5]2007年在《毫米波探测器信号处理系统设计》文中研究指明本文针对毫米波主被动探测系统测距和目标识别的需要，以TMS320VC5410芯片为核心设计完成了一种高速目标识别系统。在硬件设计方面，系统具体采用THS1030和AD7470模数转换芯片对主被动回波进行采样，集成了DSP的电源、时钟、复位及Flash等电路，利用SST39VF200A进行程序的存储，并实现了系统的上电自举加载。设计了串口通信电路，完成了系统与PC机的友好连接，实现了探测系统采集和数据记录的实时监测。在DSP芯片上完成了全部系统的软件开发，包括：系统的初始化配置、定时器配置、时钟配置、外部总线控制、可编程分区转换逻辑、McBSP的配置和目标识别模块。给出了程序开发中的部分代码，比较细致的介绍了实现系统自举加载的设计方法。通过对整个探测系统进行大量的试验，修改完善，整个系统达到了设计要求。介绍了3mm波段毫米波探测器系统的工作原理，讨论了所设计的目标识别系统的应用与试验分析。
罗磊[6]2010年在《基于流形学习的毫米波探测器目标识别方法研究》文中提出鉴于毫米波探测系统相对微波探测系统和光学探测系统的独特优势,近年来在军事民用等领域得到了广泛应用和发展。随着探测精度的提高,系统对信号处理方法的要求也越来越高。流形学习是2000年出现的一种新的机器学习理论,旨在发现高维数据分布的内在规律,并从中恢复低维流形结构,实现维数约简。本文将流形学习方法应用于毫米波探测器目标识别,并对现有流形学习算法进行了改进和推广。论文的主要研究工作如下：为了减少噪声对目标识别的影响,研究了基于提升9-7小波的信号去噪及其实时实现。对去噪算法中所有相关参数作了近似处理,使其分母皆为2的整数次幂,算法只涉及整数的加法、乘法和移位运算。分析了算法实时实现对硬件平台的要求,在DSP构建的硬件处理平台上,实现了被动毫米波探测器信号的实时去噪。在特征提取方面,将典型的非线性流形学习算法应用于被动毫米波探测器及毫米波高分辨率雷达信号特征提取中,实验结果证明了流形学习算法的有效性。综合线性判别分析算法的优点,在邻域保持投影算法基础上引入了类间散布矩阵,得到了改进算法,邻域保持判别投影。通过在邻域保持投影算法中引入非相关约束,使提取的特征向量具有非相关性,减少冗余信息,得到了改进算法,非相关邻域保持投影。融合邻域保持判别投影及非相关邻域保持投影算法的优点,得到了非相关判别邻域保持投影算法。为了更好的应对非线性问题,通过加核的方法对非相关邻域保持投影和非相关判别邻域保持投影算法进行了非性线扩展,得到了改进算法,核非相关邻域保持投影和核非相关判别邻域保持投影。将本文所改进的算法应用于毫米波探测器目标识别,实验结果证明了算法的优越性能。基于非线性流形学习中局部线性嵌入算法的思想,提出了一种单类分类算法。此分类算法首先计算未知类别样本的重构系数,定义一种误差作为判别标准,根据此误差的大小判断样本的类别归属。将算法应用于被动毫米波探测器目标识别中,实验结果表明,相对目前流行的单类分类算法,具有更好的性能。相似地,基于局部线性嵌入算法的思想提出了一种多类分类算法。此算法考虑的是样本的重构误差及其近邻中非同类样本产生的误差,此误差反映的是样本与其所在低维流形之间的关系。将算法应用于毫米波高分辨率雷达一维距离像的目标识别,实验结果表明,算法能够有效地进行分类识别,与目前流行的多分类算法相比,分类效果较好,且参数估计简单,分类结果受参数影响较小,有效地提高了毫米波高分辨率雷达的探测精确度。
张娅[7]2008年在《毫米波探测器信号处理系统设计与实现》文中研究指明本文对毫米波主被动复合探测系统的主动测距和被动目标识别进行了研究,将数字信号处理和目标识别理论相结合,进行了探测器信号处理系统的软硬件设计。在硬件上,以TMS320VC5410芯片为核心完成了目标识别系统的硬件设计。具体包括:利用TLC5510、AD7824两种模数转换芯片分别完成探测器主动和被动目标回波信号的数据采集;利用SST39LF200A实现程序及数据存储;另外还包括系统电源、系统时钟等模块的设计。根据系统对信号处理的要求,设计完成了系统软件部分。具体包括:AD采样、测距、信号预处理、目标识别算法等。从而实现了探测器主动测距和被动目标识别功能,同时编写了相应的系统自举加载程序。在理论上对小波去噪的基本原理进行了初步分析和研究。针对软、硬阈值方法的不足,给出了一种改进的软、硬阈值折衷法,进一步提高了对探测器信号的去噪效果。初步探讨了最大隶属度的模糊目标识别算法。最后,对系统进行联试联调,验证了所设计的信号处理系统方案是可行的。
顾丽华[8]2012年在《毫米波主被动探测器目标识别及工程化实现》文中进行了进一步梳理毫米波主被动复合探测系统是一种雷达(主动)和辐射计(被动)组合的复合式系统。首先本文对毫米波主被动复合探测器的原理进行了介绍。在远距离的时候,雷达对目标进行搜索、识别和跟踪,但是当接近目标时,雷达对目标的探测精度不高,甚至会丢失目标,这是由于主动体制的雷达存在的目标闪烁效应造成的。被动体制的辐射计弥补了雷达的这个缺陷,并且毫米波辐射计还具有不发射电磁波的优点,具有很好的隐蔽性以及抗干扰性。所以毫米波主被动探测器很好地适应了精确探测和精确识别目标中心的要求。其次本文研究了目标识别的算法。首次将基于GA优化的支持向量机算法应用在毫米波辐射计目标识别上,仿真结果表明,支持向量机能克服神经网络方法中的泛化和精度之间不可调和、容易陷入局部极小值等固有缺陷,取得了比BP神经网络和RNN神经网络更好的识别率,从而较好地提高了目标探测器的识别能力。最后本文研究了毫米波主被动探测器的工程化实现。针对毫米波主被动信号的特点,本文采用FPGA进行主动测距以及DSP进行目标中心识别的方法来进行信号处理,并基于上述方法进行了信号处理系统的软硬件设计和实验。经实验测定,本系统基本满足了毫米波主被动复合探测系统的信息处理量大、实时性要求高以及小型化的需求,能更好地对主被动信号进行处理。并根据实际电路,对高速数字设计中信号的完整性进行了分析。
张蓉蓉, 李跃华[9]2014年在《基于AD9059的毫米波主被动复合探测器信号处理系统设计》文中进行了进一步梳理针对毫米波主被动复合探测器主被动信号的差异问题,鉴于传统双AD芯片分别采样主被动信号,电路设计复杂,提出一种使用单一AD芯片的信号处理系统设计方法。使用AD9059采样主被动信号,并以TMS320VC5410为核心进行信号处理,实现对目标的测距和识别。该系统不仅设计简单,还具有干扰小、稳定性好、易小型化等优点。目标探测实验表明,该设计能够满足探测器的指标要求,能够很好的完成距离测量和目标识别等探测任务。
黄伟[10]2004年在《毫米波探测器信号采集与实时信号处理系统设计研究》文中研究指明本文以国防科工委系列复合探测预研项目中的毫米波末敏弹主／被动复合探测技术为工程背景，采用通用可编程定点DSP芯片TMS320VC5410设计了毫米波探测器目标识别系统的硬件电路，通过写入系统存储器(FLASH)中目标识别算法程序，系统稍加改进即可工程实现，而且在系统采集毫米波探测器数据的基础上，为开展目标识别算法的进一步研究以及验证算法的实时性，我们增加了与PC机的高速串口通信电路，编写了数据采集与存储的串口通信上下位机程序，不仅可以作为外场试验的毫米波探测器的数据录取设备，同时通过串行接口由PC机向系统加载数据，可以与PC机组成主从系统用于目标识别算法的开发和实时性验证，为目标识别算法的开发和工程化提供了一个较好平台。
参考文献：
[1]. 毫米波主被动探测器信号处理系统研究[D]. 张永宾. 南京理工大学. 2004
[2]. 近程探测器信号处理系统的软硬件设计[D]. 周超杰. 南京理工大学. 2007
[3]. 基于TMS320F2812在毫米波探测器目标识别中的应用[D]. 戴志强. 南京理工大学. 2006
[4]. 主被动毫米波探测器信息融合研究[D]. 程琦. 南京理工大学. 2003
[5]. 毫米波探测器信号处理系统设计[D]. 李劲峰. 南京理工大学. 2007
[6]. 基于流形学习的毫米波探测器目标识别方法研究[D]. 罗磊. 南京理工大学. 2010
[7]. 毫米波探测器信号处理系统设计与实现[D]. 张娅. 南京理工大学. 2008
[8]. 毫米波主被动探测器目标识别及工程化实现[D]. 顾丽华. 南京理工大学. 2012
[9]. 基于AD9059的毫米波主被动复合探测器信号处理系统设计[J]. 张蓉蓉, 李跃华. 东莞理工学院学报. 2014
[10]. 毫米波探测器信号采集与实时信号处理系统设计研究[D]. 黄伟. 南京理工大学. 2004