人机界面中目标编码设计

研究虚拟战斗机驾驶员飞行过程中涉及的监视、计算记忆、攻击和探测4项任务,通过控制目标呈现时间和间隔时间改变工作的快慢节奏来影响脑力负荷,以正确反应率和反应时间来评价和分析被试在不同脑力负荷和任务权重下对目标颜色、形状及位置的辨认情况, 为人机界面中目标编码设计提供科学依据.实验结果表明:无论脑力负荷和任务权重如何,绿色、红色、正方形、圆形和三角形可作为人机界面设计中的目标编码,蓝色则不适合;人机界面设计时,必须对人的注意力分配问题进行评价,并作为确定目标位置的依据之一;对具有颜色、形状等多维目标的辨认,当目标的持续和间隔时间分别在1s以上时正确反应率都较高.      

基于认知特性的目标辨认研究

为了优化飞机人机界面的设计,结合人的认知特性对目标(文字或标识)的形状、大小、辨认反应时间等进行设定,并通过二维目标的识别实验进行分析与验证.实验结果表明对目标大小和反应时间的定量处理比较合理,目标形状对目标辨认的影响与以往的研究结果相近,在偏离中心视10°范围内,目标出现的位置和颜色对目标辨认的影响不明显.      

月球背面探测任务多目标协同控制模式设计

月球背面探测需要中继卫星提供中继通信支持,实现地面测控网对月面探测器的控制。为解决月球背面探测任务过程中和环月探测卫星等多个航天器目标的相互控制及其与地面测控网之间的复杂协同控制问题,提出了协同控制关联目标描述方法,明确了控制目标和上行路由的概念和确定原则、上行路由测控网资源分配原则,设计了基于时间窗口的中继测控资源分配方法、多目标协同控制的标称计划模式、遥操作规划模式和上行控制模式。经过"嫦娥4号"天地大回路无线联试和"鹊桥"中继卫星在轨飞行证明,设计是合理可行的。     

月球采样返回飞控任务多目标协同规划设计

基于月球采样返回任务飞行过程复杂、四器多组合模态协同控制复杂、多类约束关联组合复杂、多种关键控制密集难点,提出了月面采样返回飞行控制任务多目标协同规划设计,确保多目标在轨密集指令与各类型测控资源安排协同有序.分析了月球采样返回与以往月面软着陆和近地交会对接任务的继承差异,设计了复杂多目标器间代传上行控制关系描述、多目标...     

我国首次火星探测任务

我国首次火星探测任务于2016年立项实施。综合介绍了国际火星探测的历史和现状,我国首次火星探测任务的工程目标和科学目标、总体技术方案、关键技术难点、预期创新成果。我国首次火星探测任务将通过一次发射,实现火星环绕和着陆巡视,对火星开展全球性普查和局部的精细探测,推进火星地形地貌与地质构造、土壤特征与水冰分布、表明物质组成、大气电离层和气候环境、物理场与内部构造等方面的研究。实现火星探测任务目标,针对火星探测面临的各种特殊环境,需突破长期自主管理与控制等8类关键技术,取得的一系列创新成果,将为我国建立独立自主的深空探测基础工程体系,掌握深空探测基础共性技术,形成开展深空探测的基础工程能力。     

嫦娥四号任务科学目标和有效载荷配置

嫦娥四号探测器由中继星、着陆器和巡视器组成.其科学目标为：月基低频射电天文观测研究,月球背面巡视区浅层结构探测研究以及月球背面巡视区形貌与矿物组分探测研究.共配置6台有效载荷设备,其中3台载荷设备配置在着陆器上,分别为降落相机、地形地貌相机和低频射电谱仪,其余3台配置在巡视器上,分别为全景相机、测月雷达和红外成像光谱仪.本文主要论述了嫦娥四号任务的科学目标、着陆区概况、有效载荷配置及系统设计、各有效载荷任务和主要技术指标等.     

天区机遇目标空间探测任务规划算法

针对中法合作SVOM卫星的天区范围内机遇目标规划问题（ToO-MM）,对其中的约束条件和优化目标进行抽象,建立了规划问题数学模型,设计实现了基于启发式规则的机遇目标规划算法TMHPA。以最大化卫星科学观测收益和最大化应急任务响应度为优化目标,考虑卫星姿态调整时间的影响,对观测任务和数传任务进行规划。通过仿真实验验证算法的有效性,结果表明该方法能够在保证算法收敛性和时效性同时,给出卫星在天区范围内的网格单元（tile）目标观测序列以及执行数传任务的时段安排,实现对ToO目标观测的快速响应,并及时下传机遇目标科学观测数据,满足规划算法的设计需求。     

基于超声波的移动机器人多目标探测定位方法

为了使移动机器人能够对离散的多个目标进行准确的探测定位,提出了一种新的超声波智能探测方法.采用3个收发一体的超声换能器阵列发送近似的平面声波波束,并建立空间坐标系.3个探头定时发送超声波脉冲,同时数字信号处理器采集并分析接收到的回波信号,在给定的算法下滤除杂波、识别提取回波首波、二次回波和三次回波等特征信号数据,在正确检测出各路波束的回波时间后,通过计算给出多个被测物体的准确定位.实验采用了杆件物体作为被测对象,对回波信号进行高速数据采集处理后计算出被测目标的坐标值,比较了计算物位与实测物位数据,结果验证了该方法的可行性与正确性.      

面向空间抓取任务的目标轮廓跟踪方法

在空间抓取任务中,视场背景复杂,光照条件变化剧烈,而且存在相对运动。文章提出了一种新的动态轮廓特征检测跟踪方法。首先在灰度梯度法基础上,引入形状匹配、面积筛选和自适应灰度阈值调整方法,提高了轮廓提取的鲁棒性。随后,基于该提取结果,利用图像序列的时域相关约束辅助GVFSnake算法进行轮廓跟踪,提升了动态检测速度。最后,考虑到空间抓取任务的实时性需求,采用CUDA运算架构对算法进行并行化处理,并对一组序贯图像序列进行了轮廓跟踪实验。实验结果表明,此方法在CUDA平台下轮廓跟踪速率达到了10帧/s,在保证轮廓检测的准确性的基础上,明显改善了检测速度。     

面向卫星多目标重复观测任务的分层聚类规划

针对敏捷卫星多目标重复观测任务规划面临的可行任务执行序列集合规模庞大困难,提出了一种任务执行序列时间解耦的分层聚类任务规划方法。该方法以规划过程中的可观测窗口和任务执行窗口为聚类对象,通过单次可观测窗口聚类和多次任务执行窗口聚类将任务集合按任务窗口属性分解为一系列时间解耦的小规模集合,在两次任务执行窗口聚类间使用基于贪婪优化的搜索算法对聚类生成的小规模任务集合分别进行集合内任务规划,最后将各集合的任务规划结果合并后得到所有任务的执行序列。仿真结果表明,该分层聚类方法可有效降低全局优化复杂度,消解不同优先级观测任务的冲突,提高任务规划质量,能够在不降低目标点观测完成率的前提下对有多个观测机会的目标点进行重复观测,且算法稳定性好,能在数秒内得出规划结果,适用于星上自主任务规划。     

基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。      

双波段红外目标检测综述

红外成像系统具备优秀的夜间可视能力,并且具备良好的抗干扰能力、识别伪装的能力,在军事领域的应用日益广泛。可见光成像系统易受光照强度的影响,无法在封闭空间或夜间等弱光条件下工作,而物体的红外辐射能量仅与物体温度和物质特性有关,所以红外成像不需要考虑光照强度,可以在全天候时段工作。红外目标检测可以应用单波段和多波段的方式进行探测,单波段探测由于目标信息有限,往往目标会存在小、弱、暗等问题,导致检测能力不理想,而多波段检测通过利用不同波段信息的冗余性、互补性,大幅度提高目标检测和识别的概率,提高识别伪装的能力。但双波段目标检测中存在很多技术难点,对红外小目标检测技术进行了分类,分析了技术难点,按不同的方法进行了总结描述。再对双波段目标检测技术进行了详细的描述,并选取了常见算法进行了性能比较和原理分析,突出了双波段目标检测的优势。     

基于注意力机制和改进YOLOv3的红外弱小目标检测

红外弱小目标检测技术是红外探测系统的核心技术之一。针对远距离复杂场景下红外弱小目标对比度低、信噪比低和纹理特征稀疏分散导致目标检测率低的问题,提出一种融合注意力机制和改进YOLOv3的红外弱小目标检测算法。首先,在YOLOv3的基础上,用更大尺度的检测头替换最小尺度的检测头,在保证推理速度的基础上有效提升了红外图像中小目标的检测概率。然后,在检测头之前设计了Infrared Attention模块,通过通道间的信息交互,抽取出更加关键重要的信息供网络学习。最后,用完全交并比损失(Complete IoU Loss)替代交并比损失(Intersection over Union Loss)来衡量预测框的检测能力,通过梯度回传实现更好的模型训练。实验结果表明,提出的YOLOv3-DCA能完成多种场景下红外弱小目标的检测任务,且检测准确率、召回率、F1和平均准确率分别达到91.8%、88.8%、93.0%和88.8%,平均准确率比YOLOv3基线提升约7%,与主流的SSD、CenterNet和YOLOv4模型对比平均准确率也取得了目前最优。     

基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。     

A model-free method for attitude estimation and inertial parameter identification of a noncooperative target

Determining the attitude and inertial parameters of a noncooperative target is essential in an on-orbit servicing mission. Various methods based on machine vision have been proposed, but most of them require the 3D model of the target. This paper proposes a model-free method through sequentially registering point clouds captured by a depth camera. Our main contributions are the avoidance of the ambiguity in registration, and the combination of the multiplicative extended Kalman filter and the pose graph optimization to reduce the effect of measurement noise and drift error. A hardware experiment was performed to generate the sequence of point clouds of a three-axis free-floating target and validate our method. The result shows that the proposed method outperforms existing methods and effectively identifies the inertial parameters, including the normalized principal moments of inertia and the orientation of principal axes.     

基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。     

相控阵雷达的系统反应时间研究

研究了相控阵雷达的系统反应时间,提出了当采用TWS和TAS两种跟踪方式时,计算相控阵雷达反应时间的公式,揭示了反应时间与搜索、跟踪和截获方式及其参数之间的关系.研究了截获参数的优化.比较了采用两种跟踪方式时的系统反应时间.实验结果说明,采用TWS跟踪方式时,反应时间主要决定于搜索帧周期和目标的速度,与目标个数无关;采用TAS跟踪方式时,反应时间主要取决于目标个数和速度,与搜索帧周期关系不大.