根据短时傅里叶变换的数据得到在某一时刻的幅度-频率二维图像。图6~图9所示4张图的包络大致相同，其中疑似目标点（32，43）在t=1、t=20时刻的幅频曲线的峰值分别为600、614，其峰值差异并不明显。其余4个疑似目标点峰值差异也很小，与疑似目标点（32，43）类似，这里就不再赘述[6]。而疑似目标点（108，88）的峰值差异明显，分别为624、391。因此利用此特征可以有效地识别目标。
　　将每个疑似目标点的短时傅里叶变换后零频的数据矩阵F(t,0)的峰值（如图6~图9处的峰值）按照时间t组合在一起，形成每个疑似目标点的时间-幅度峰值二维图像。图10为疑似目标点（32，43）的时间-幅度峰值图，图11为疑似目标点（108，88）的时间-幅度峰值图。其余疑似目标点的时间-幅度峰值与疑似目标点（32,43）类似，这里就不再重复。

    由图10、图11可见,疑似目标点(32,43)和(108,88)的时间-幅度峰值图特性存在明显的差异。即运动目标点存在明显包络，而杂波比较平稳，因而根据这一差异可以区分目标与杂波。
   

    本系统针对现有弱小目标检测技术在挖掘目标细微特征方面存在的缺陷和严重不足，利用时频信号处理理论感知弱目标时、频特征，探索能切实提高弱目标检测性能的有效方法，为提升空间暗弱目标的探测能力提供了切实有效、先进的技术手段。一般情况下，序列图像弱小运动目标的检测算法运算量大，实时性要求高，应用一般传统器件无法满足其要求，而高速DSP芯片则可以很好地实现。本系统即利用DSP实现了序列图像弱小运动目标在软件上的检测算法。通过分析最后的检测结果，调节初始化参数，可以方便地达到所需要的性能，对于算法的验证与调试具有广泛的适用性。
参考文献
[1] GHAMASAEE R, AMOOZEGAR F, HOYUEN P. Survey of neural networks as applied to target tracking[J]. SPIE, 1997,3069:412-423.
[2] LEONOV S. NonparametrIC methods for clutter removal[J]. IEEE transaction on aerosPACe and EleCTRonic SystEMS, 2001,37(3):832-847.
[3] 李桂菊,赵建,王金库.目标检测算法在DSP系统中软硬件优化方法的实现[J].红外与激光工程,2006,10(35):377-381.
[4] 李飞飞,刘伟宁,孙海江.基于FPGA+DSP的红外弱小目标检测与跟踪系统设计[J].激光与红外,2009,39(4):450-453.
[5] 李宏,李伟,李蒙,等.基于多DSP的红外目标跟踪系统设计与实现[J].电子技术应用,2006,32(8).
[6] Deng Bing, Tao Ran, Qi Lin. Fractional fourier transform and time-Frequency fiLTEring[J]. Systems Engineering and Electronics,2004(10):1357-1359,140.

上一页  [1] [2]