掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
智能交通中毫米波雷達數據處理方法與實現 版權信息
- ISBN：9787121420917
- 條形碼：9787121420917 ; 978-7-121-42091-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
智能交通中毫米波雷達數據處理方法與實現 內容簡介
多輸入多輸出（Multiple Input Multiple Ontput，MIMO）毫米波雷達是國內外雷達領域的研究熱點，MIMO毫米波雷達克服了傳統雷達單發單收的缺點，提高了能量利用率、測角精度、雜波抑制能力，降低了截獲率。與激光雷達和視頻檢測相比，毫米波雷達具有很好大的優勢，因此MIMO毫米波雷達廣泛應用于智能交通領域。本書從智能交通系統中的車輛檢測、測速、跟蹤技術出發，依據真實的MIMO毫米波雷達測量數據，介紹車輛跟蹤系統架構，以及常用的交通雷達體制，并對這些體制進行比較，得出FSK是很適合應用于測速的交通雷達體制。本書重點介紹了處理毫米波雷達探測數據的方法，包括初期對接收到的雷達信號進行去噪及利用獲取的點云數據對雷達擺角進行修正，中期的點云數據聚類處理，后期的車輛軌跡關聯、跟蹤技術。在介紹這些技術時，不僅應用了經典的雷達數據處理技術，還提出了一些改進算法，并對目前熱門的圖像處理技術進行了介紹。
智能交通中毫米波雷達數據處理方法與實現 目錄
第1章 緒論 001
1．1 研究背景及意義 001
1．2 國內外研究現狀 003
1．2．1 交通監視雷達研究現狀 003
1．2．2 雷達數據處理研究現狀 006
1．3 雷達測速系統 007
1．4 視頻目標檢測的研究現狀 009
1．5 本章小結 010
第2章 交通雷達體制 011
2．1 CW體制 011
2．2 LFMCW體制 014
2．3 FSK體制 016
2．4 CW-FMCW復合體制 019
2．5 本章小結 020
第3章 微波測速雷達信號處理算法 021
3．1 去噪算法 021
3．1．1 基于EMD的去噪算法 021
3．1．2 自相關檢測法 030
3．2 測速雷達角度自適應算法 034
3．2．1 火車測速雷達系統 034
3．2．2 基于樣本統計特性的雷達擺角自修正算法 040
3．3 本章小結 047
第4章 微波測速雷達的目標識別與跟蹤 049
4．1 單目標雷達算法優化 049
4．1．1 基于Kalman濾波的測速測距算法優化 049
4．1．2 基于CW-FMCW復合體制的DSP算法改進 051
4．1．3 仿真和分析 053
4．2 FSK體制雷達測速算法實現 057
4．2．1 FSK體制雷達測速原理 057
4．2．2 FSK體制雷達目標識別算法實現與仿真 061
4．3 多目標檢測跟蹤算法的研究與實現 071
4．3．1 多目標檢測跟蹤算法 071
4．3．2 多目標跟蹤觸發過程 076
4．3．3 基于恒虛警檢測的目標檢測優化 078
4．3．4 測試和分析 084
4．4 本章小結 088
第5章 聚類算法研究 089
5．1 經典聚類算法 089
5．1．1 DBSCAN聚類算法 089
5．1．2 FCM聚類算法 091
5．1．3 K-Means聚類算法 094
5．2 基于主軸的密度峰值模糊聚類算法 096
5．2．1 基于密度峰值的初次聚類算法 097
5．2．2 基于主軸更新的模糊聚類算法 100
5．2．3 實驗設計 104
5．3 本章小結 112
第6章 多目標跟蹤算法和系統設計 113
6．1 改進的粒子濾波算法 113
6．1．1 航跡關聯 113
6．1．2 動目標跟蹤 119
6．1．3 實驗對比與路測結果 122
6．2 數據關聯算法 127
6．2．1 *近鄰數據關聯算法 127
6．2．2 聯合概率數據關聯算法 129
6．2．3 k近鄰聯合概率數據關聯算法 131
6．2．4 實驗設計 137
6．3 多目標跟蹤系統設計 142
6．3．1 需求分析 142
6．3．2 總體設計 145
6．3．3 多目標跟蹤系統的應用 147
6．4 本章小結 154
第7章 基于毫米波雷達和機器視覺的信息融合與目標識別 155
7．1 基于深度學習的目標檢測 156
7．1．1 目標檢測 156
7．1．2 深度學習目標檢測原理 159
7．1．3 測試和仿真 165
7．2 基于毫米波雷達和機器視覺的信息融合 171
7．2．1 毫米波雷達和攝像機的數據融合 171
7．2．2 基于機器學習的車型識別 176
7．2．3 實驗驗證與分析 179
7．3 本章小結 182
1．1 研究背景及意義 001
1．2 國內外研究現狀 003
1．2．1 交通監視雷達研究現狀 003
1．2．2 雷達數據處理研究現狀 006
1．3 雷達測速系統 007
1．4 視頻目標檢測的研究現狀 009
1．5 本章小結 010
第2章 交通雷達體制 011
2．1 CW體制 011
2．2 LFMCW體制 014
2．3 FSK體制 016
2．4 CW-FMCW復合體制 019
2．5 本章小結 020
第3章 微波測速雷達信號處理算法 021
3．1 去噪算法 021
3．1．1 基于EMD的去噪算法 021
3．1．2 自相關檢測法 030
3．2 測速雷達角度自適應算法 034
3．2．1 火車測速雷達系統 034
3．2．2 基于樣本統計特性的雷達擺角自修正算法 040
3．3 本章小結 047
第4章 微波測速雷達的目標識別與跟蹤 049
4．1 單目標雷達算法優化 049
4．1．1 基于Kalman濾波的測速測距算法優化 049
4．1．2 基于CW-FMCW復合體制的DSP算法改進 051
4．1．3 仿真和分析 053
4．2 FSK體制雷達測速算法實現 057
4．2．1 FSK體制雷達測速原理 057
4．2．2 FSK體制雷達目標識別算法實現與仿真 061
4．3 多目標檢測跟蹤算法的研究與實現 071
4．3．1 多目標檢測跟蹤算法 071
4．3．2 多目標跟蹤觸發過程 076
4．3．3 基于恒虛警檢測的目標檢測優化 078
4．3．4 測試和分析 084
4．4 本章小結 088
第5章 聚類算法研究 089
5．1 經典聚類算法 089
5．1．1 DBSCAN聚類算法 089
5．1．2 FCM聚類算法 091
5．1．3 K-Means聚類算法 094
5．2 基于主軸的密度峰值模糊聚類算法 096
5．2．1 基于密度峰值的初次聚類算法 097
5．2．2 基于主軸更新的模糊聚類算法 100
5．2．3 實驗設計 104
5．3 本章小結 112
第6章 多目標跟蹤算法和系統設計 113
6．1 改進的粒子濾波算法 113
6．1．1 航跡關聯 113
6．1．2 動目標跟蹤 119
6．1．3 實驗對比與路測結果 122
6．2 數據關聯算法 127
6．2．1 *近鄰數據關聯算法 127
6．2．2 聯合概率數據關聯算法 129
6．2．3 k近鄰聯合概率數據關聯算法 131
6．2．4 實驗設計 137
6．3 多目標跟蹤系統設計 142
6．3．1 需求分析 142
6．3．2 總體設計 145
6．3．3 多目標跟蹤系統的應用 147
6．4 本章小結 154
第7章 基于毫米波雷達和機器視覺的信息融合與目標識別 155
7．1 基于深度學習的目標檢測 156
7．1．1 目標檢測 156
7．1．2 深度學習目標檢測原理 159
7．1．3 測試和仿真 165
7．2 基于毫米波雷達和機器視覺的信息融合 171
7．2．1 毫米波雷達和攝像機的數據融合 171
7．2．2 基于機器學習的車型識別 176
7．2．3 實驗驗證與分析 179
7．3 本章小結 182
展開全部
智能交通中毫米波雷達數據處理方法與實現 作者簡介
曹林，教授，博士生導師，現任光電測試技術及儀器教育部重點實驗室副主任，中國電子教育學會研究生教育分會理事，先后主持國家自然科學基金重點支持項目、國防軍工等課題。研究方向為空間信息智能感知與計算、圖像理解與識別和雷達信號處理。近年來，作為項目骨干完成國家科技重大專項專題3項，發表學術論文40余篇，出版學術著作4部，教材1部，獲北京市科學技術獎和中國智能交通協會科學技術獎等3項科技獎項，獲授權發明專利7項，計算機軟件著作權35項，其指導的研究生獲2016年度“中國圖象圖形學報”優秀論文獎。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
有舍有得是人生
- >
朝聞道
- >
伊索寓言-世界文學名著典藏-全譯本
- >
羅庸西南聯大授課錄
- >
姑媽的寶刀
- >
隨園食單
- >
山海經
本類暢銷
