本文關(guān)鍵詞：昆蟲雷達(dá)數(shù)據(jù)預(yù)處理及檢測(cè)跟蹤算法研究

  更多相關(guān)文章： 昆蟲雷達(dá) WinPcap DirectDraw 方位分辨率 雜波對(duì)消 目標(biāo)追蹤

【摘要】：昆蟲雷達(dá)的出現(xiàn)具有劃時(shí)代的意義,對(duì)昆蟲雷達(dá)數(shù)據(jù)的處理可以加快對(duì)昆蟲、鳥等小目標(biāo)的研究進(jìn)程,對(duì)全民熱點(diǎn)問題,如農(nóng)作物病蟲災(zāi)害、航空鳥擊等具有積極作用。繼續(xù)推廣研究,則對(duì)目前學(xué)術(shù)界小目標(biāo)的檢測(cè)追蹤難的問題,也有一定的益處。本文主要是在VC++6.0環(huán)境下對(duì)昆蟲雷達(dá)數(shù)據(jù)進(jìn)行實(shí)時(shí)接收與終端實(shí)時(shí)顯示,并對(duì)接收的數(shù)據(jù)進(jìn)行存盤。接著對(duì)存盤的數(shù)據(jù)進(jìn)行預(yù)處理,主要有去卷積提高方位分辨率及雜波對(duì)消,并將預(yù)處理后的數(shù)據(jù)進(jìn)行PPI顯示。最后使用航跡相關(guān)算法對(duì)仿真的昆蟲雷達(dá)目標(biāo)進(jìn)行追蹤。在實(shí)時(shí)高效,減少或阻止數(shù)據(jù)包的丟失,無阻塞等的多重壓力下,本文使用了新的雷達(dá)數(shù)據(jù)接收方法-WinPcap,該法允許計(jì)算機(jī)同時(shí)接收不同網(wǎng)卡的數(shù)據(jù),為以后多部儀器同時(shí)在一部計(jì)算機(jī)處理做了鋪墊。還提出了使用DX進(jìn)行PPI圖像的繪制,并使用色彩鍵碼技術(shù)疊加了地圖。將VinPcap、DX與多線程技術(shù)相結(jié)合共同實(shí)現(xiàn)了昆蟲雷達(dá)終端實(shí)時(shí)顯示,且時(shí)效性、正確性有很大改善。為了解決由于水平波束寬度及卷積影響而造成的雷達(dá)方位分辨率低的問題,本文提出了一種新的去卷積方法,將目標(biāo)方位分布序列、天線圖序列、雷達(dá)接收數(shù)據(jù)序列看作是一維的矩陣,將天線圖矩陣擴(kuò)展成具有一定規(guī)則的方陣,則可以證明目標(biāo)方位分布等于雷達(dá)接收的數(shù)據(jù)與天線圖方陣的逆陣相乘。經(jīng)過理論及數(shù)據(jù)的驗(yàn)證,說明了此方法是正確的且是有效的,相對(duì)傳統(tǒng)的FFT及IFFT,具有運(yùn)算簡單,不易出錯(cuò)的特點(diǎn)；除此之外,本文還提出了一種新的雜波對(duì)消方法,對(duì)雷達(dá)每條徑向數(shù)據(jù)進(jìn)行兩次低通濾波,將兩次濾波后的結(jié)果相減并輸出,以去除那些空間頻率變化快及變化太慢的雜波,保留變化程度適中的目標(biāo)。程序?qū)崿F(xiàn)借助指數(shù)滑動(dòng)平均算法,通過調(diào)節(jié)算法系數(shù),可以達(dá)到預(yù)期目的,實(shí)驗(yàn)證明,該方法是有效的。最后利用航跡相關(guān)算法對(duì)仿真的雷達(dá)三維目標(biāo)進(jìn)行了追蹤。航跡相關(guān)主要包括波門選擇,航跡起始,航跡數(shù)據(jù)關(guān)聯(lián),航跡濾波等部分,文章對(duì)各個(gè)部分進(jìn)行介紹并對(duì)使用的算法進(jìn)行仿真分析。從最終的軌跡追蹤效果圖來看,航跡相關(guān)算法很好地追蹤了點(diǎn)跡,可以用于有規(guī)則運(yùn)動(dòng)的昆蟲追蹤。
【關(guān)鍵詞】：昆蟲雷達(dá) WinPcap DirectDraw 方位分辨率 雜波對(duì)消 目標(biāo)追蹤
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-7
• Abstract7-9
• 第一章 緒論9-15
• 1.1 研究背景及國內(nèi)外現(xiàn)狀9-11
• 1.2 研究意義和目的11-12
• 1.3 運(yùn)動(dòng)目標(biāo)檢測(cè)與追蹤12-13
• 1.4 論文工作安排13-15
• 第二章 昆蟲雷達(dá)數(shù)據(jù)的實(shí)時(shí)接收與顯示15-25
• 2.1 昆蟲雷達(dá)簡介15-16
• 2.2 WinPcap抓包16-17
• 2.3 DirectDraw繪圖17-21
• 2.3.1 DirectDraw簡介17-18
• 2.3.2 DirectDraw實(shí)時(shí)繪制并顯示雷達(dá)圖像18-21
• 2.4 多線程技術(shù)21-23
• 2.5 本章小結(jié)23-25
• 第三章 昆蟲雷達(dá)數(shù)據(jù)預(yù)處理25-43
• 3.1 去卷積提高方位分辨率25-34
• 3.1.1 去卷積基礎(chǔ)理論25-26
• 3.1.2 去卷積提高方位分辨率26-28
• 3.1.3 改進(jìn)的去卷積計(jì)算方法28-31
• 3.1.4 去卷積提高方位分辨率算法仿真及實(shí)測(cè)驗(yàn)證31-33
• 3.1.5 去卷積與信噪比的關(guān)系33-34
• 3.2 雜波對(duì)消去噪34-42
• 3.2.1 全時(shí)域靜態(tài)雜波圖對(duì)消35-37
• 3.2.2 新的雜波對(duì)消原理37-39
• 3.2.3 雜波對(duì)消算法及算法結(jié)果39-42
• 3.3 本章小結(jié)42-43
• 第四章 航跡相關(guān)算法研究43-78
• 4.1 航跡相關(guān)波門的選擇與確定44-48
• 4.2 航跡起始48-53
• 4.2.1 Hough變換法48-50
• 4.2.2 邏輯滑窗法50-53
• 4.3 點(diǎn)跡-航跡關(guān)聯(lián)53-65
• 4.3.1 最近鄰算法54-55
• 4.3.2 概率數(shù)據(jù)關(guān)聯(lián)算法55-57
• 4.3.3 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法57-59
• 4.3.4 航跡數(shù)據(jù)關(guān)聯(lián)算法仿真分析59-65
• 4.4 航跡跟蹤濾波65-73
• 4.4.1 目標(biāo)運(yùn)動(dòng)狀態(tài)空間模型65-67
• 4.4.2 卡爾曼濾波算法67-69
• 4.4.3 卡爾曼濾波算法仿真69-73
• 4.5 本文算法描述及仿真結(jié)果73-77
• 4.6 本章小結(jié)77-78
• 第五章 總結(jié)與討論78-81
• 參考文獻(xiàn)81-87
• 作者簡介87-88
• 致謝88

，

本文編號(hào)：841354