分布式故障诊断专家系统在运载火箭发射决策中的应用研究

根据新一代运载火箭地面测发控系统的一体化设计要求,将分布式故障诊断专家系统应用到运载火箭发射决策中,建立了运载火箭分布式故障诊断专家系统的总体结构.根据故障信息的流动方向将诊断过程分为征兆获取级、分系统诊断级以及全局诊断和决策级3级.征兆获取级通过特征提取和神经网络模块实现复杂测试数据的征兆自动获取.分系统诊断级和全局系统诊断级的诊断推理均建立在"三表制"知识表达方法上,但根据各自任务的不同,分系统诊断级采用征兆驱动的正向推理,并结合深度推理算法实现规则的遍历问题;全局系统诊断和决策级采用面向故障的反向分级推理,并提出了故障的分级策略.     

单星无源探测弹道导弹射向估计新方法

天基预警系统是国家战略预警系统的重要组成部分,而单星探测预警是天基预警系统发展必经历程和重要环节,传统方法基于标准弹道模板先验信息支持,但标准弹道模板信息难以获取,无法实际应用.本文主要讨论在没有标准弹道模板先验信息支持的情况下,单颗预警卫星能否及早给出导弹射向估计的问题.通过建立弹道导弹飞行的动量模型和弹道平面切割模型,本文提出了基于单颗预警卫星观测视线对来袭导弹射向的估计算法,回答了单颗预警卫星观测情况下如何给出射向信息的问题,仿真计算结果表明,本文方法对于引导地基预警系统具有较高的精度和实用价值,本文方法亦可应用于各类单站无源探测(预警雷达,中低轨、大椭圆预警卫星等)的方位信息估计与空间目标机动的识别等问题.     

基于时域光度探测的卫星频率特性反演研究

卫星的行为特性、意图判断、健康状态诊断等对于空间态势感知具有重要意义,而传统的探测手段无法确定在轨卫星是否正常运行。时域光度探测作为一种新型遥感探测技术,利用高速、低噪声的探测器对卫星机动调制的光学信号进行采样,解调后可反演卫星频率、振动等特性。文章针对低轨卫星目标,首先建立基于形态学滤波来抑制自然天体干扰的空间目标跟踪定位模型,获取目标时域光度信息,再采用频谱分析方法,获取目标频率特性与运行特征。结果表明,文章提出的时域光度探测技术,在卫星频率特性反演和卫星运行状态识别方面具有较好的应用前景。     

一种分布式目标滑窗检测方法

随着成像雷达图像分辨率的不断提升,对分布式目标的探测性能指标要求越来越高,然而现有的恒虚警检测算法尚未形成适用于多分辨单元的目标检测性能评估理论体系。提出一种分布式目标滑窗检测方法。首先,基于待检测目标RCS（radar cross section,RCS）、平面尺寸以及雷达二维分辨率等先验信息对二维滑窗进行设计,实现了任意航向目标的最优匹配。接着,利用M/N准则对滑窗内目标占据的多分辨单元回波进行直接处理,避免了人为构建扩展检测量引起的检测性能损失。最后,从系统虚警指标要求出发,通过挖掘分布式目标与所占据单个分辨单元的检测性能关系,设计了一套分布式目标探测性能的定量评估方法,可在满足虚警性能前提下大幅提升分布式目标的检测概率。该算法不需要人为进行复杂的扩展检测量设计,为高分辨图像目标稳健检测和性能评估开辟了一种新途径。     

星上智能信息处理技术发展趋势分析与若干思考

星上智能信息处理的主要任务是接收天基探测载荷数据,并在星上完成数据压缩、复杂海空环境下高价值目标的发现、识别与跟踪等工作,达到降低下传数据率、支持天基广域探测与全自主即时态势感知等目的。文章回顾了美国、德国等航天强国光学卫星的星上信息处理技术的发展现状,梳理总结了该技术的发展思路与关键指标。在此基础上,结合星上信息处理技术的应用现状,着重从天基光学探测应用需求出发,提出星上智能信息处理关键技术与能力的发展建议,为推进未来海空目标多源探测与信息融合处理技术创新与持续发展提供支撑。     

模糊传感器与区间型多属性决策的信息融合方法

对于日益复杂的信息环境和变化的目标特性,现有的多传感器信息融合方法大多为"静态的",较少考虑传感器可信度变化以及测量过程中的多维特征指标权重的时效性给融合结果带来的影响.为了解决此问题,提出了一种基于模糊理论与区间型多属性决策的信息融合方法.该方法从各传感器对模糊命题支持度的一致性来定义其信息质最优化度,用区间数与多属性决策理论来定义特征识别综合置信度,并从这两方面客观确定了传感器的融合权重,较好地解决了对传感器信息与目标特征权重为模糊与不确定时的合理评价,以此构建了一个智能优化决策层融合识别模型.最后以弹道目标识别实验证明了此方法有较好的时效性和准确性.     

小天体光学导航特征识别与提取研究进展

针对小天体探测自主光学导航特征信息精确，快速获取的需求，阐述了利用图像信息实现光学导航特征识别与提取的必要性。首先分析了小天体光学导航特征识别与提取面临的主要问题；然后根据小天体探测各阶段目标成像特点，总结并分析了小天体探测光学导航特征识别与提取涉及的关键技术；最后，根据关键技术结合现有问题和未来发展需求，分析并对未来小天体探测光学导航特征识别与提取的发展趋势进行了展望。     

一种多源测距与视觉惯性融合的月球车定位方法

针对月球车月面探测活动任务中对高精度定位的需求,当前视觉惯性定位方法存在误差累积,并且在缺乏先验环境信息时无法消除,基于三角测量原理的无线电定位方法可以通过测量接收端到至少三个不同发射端的距离来确定目标物体位置,但需要架设三台以上基站,因此难以满足月面环境下大范围定位的需求。文章提出了一种基于基站无线测距和视觉惯性里程计融合定位方法,以解决上述定位手段存在的问题。该方法首先利用视觉惯性里程计构建的环境模型将WIFI、UHF和UWB三类无线电基站测距信息进行融合,然后将测距结果和视觉IMU信息进行位置联合解算来确定月球车位置,最后在Matlab和Gazebo软件平台上进行仿真验证,在距离基站最远行进1500米的条件下实现了0.92米定位误差。实验结果表明,该方法能够在满足月面探测任务对于精准定位的需求。     

基于AHP与D-S理论的辐射源识别技术

深入研究了基于层次分析与证据理论的辐射源识别技术.首先针对属性测度识别方法中权重获取困难的问题,提出利用层次分析法获取多参数权重的思想,给出权重具体计算步骤,同时简要回顾属性测度识别方法的原理.在此基础上,应用D.S证据理论进行多传感器信息融合,给出识别算法和模型.仿真对比实验表明,提出的辐射源识别技术是实用有效的,其下确识别率较高.     

应用多属性决策的威胁等级判断方法

威胁等级判断通常依据侦察机识别辐射源的信号参数。为了能准确地对辐射源进行威胁等级判断 ,可以利用雷达信息。根据侦察机和雷达获取目标信息时的特点 ,提出了基于多属性决策的威胁等级判断方法。     

多源卫星信息在轨融合处理分析与展望

针对自然灾害监测、海洋目标监视等多星协同探测应用场合,首先分析了多源卫星信息在轨融合处理的必要性,其次总结了国内外卫星数据在轨处理的研究现状和存在的问题,然后在此基础上从星上探测、通信和计算资源出发,分析了适应在轨处理的在轨自主任务规划、目标信息表征、多源卫星信息目标在轨关联、多源卫星信息在轨特征融合、星地协同数据处理与动态交互等多源卫星信息在轨融合处理的相关问题和关键技术,最后,给出未来发展趋势展望。     

机器视觉在军事领域的应用现状及发展趋势

机器视觉技术凭借其非接触测量、实时性好、可持续工作等优点，在军事领域中有着广阔的应用前景。在对机器视觉光学照明系统、成像系统、视觉信息处理系统等关键技术进行概述的基础上，详细分析了机器视觉技术在军事领域进行典型目标物识别、人员识别、装备缺陷检测等典型场景以及典型军事装备上的应用现状。在此基础上，指出了机器视觉在军事领域的应用，仍然存在视觉传感器硬件系统难以适应极端环境、复杂的军事目标适应性不足、目标识别的实时性难以保证、多传感器融合获取军事目标信息能力缺乏等问题。同时，对机器视觉技术在军事领域应用的未来发展趋势进行了展望，研究分析结果可为机器视觉在军事领域的进一步实用化提供参考。     

天基海洋目标监视的系统分析及相关研究综述

天基海洋目标监视是现代卫星应用技术的重要发展方向。分析了海洋目标、海洋 监视环境的特点,介绍了天基海洋目标监视资源的分类和发展情况,分析了各种不同类型监 视平台及有效载荷的特点和适用性。综合评述了天基海洋监视中海洋目标检测、分类、识别 等目标信息处理技术,对监视任务的规划调度方法及其他相关研究,分析了这些技术手段 的 特点、适用性及发展现状。最后分析了当前天基海洋目标监视相关研究和应用的发展趋势。
     

KDTGAN：基于Transformer-GAN和知识蒸馏的高光谱目标检测

高光谱目标检测在地球观测中至关重要,被广泛应用于军事和民用领域。然而,由于高光谱图像的背景复杂性和目标样本的有限性,该任务面临较大的挑战。本文首先采用CEM（约束能量最小化）粗检测方法提取背景数据。随之,引入了一种新的知识蒸馏模型,即KDTGAN（通过Transformer-GAN实现）。教师模型的生成器采用了Transformer编码器的结构,并结合多尺度数据融合的方法,能够准确地学习背景分布,进而通过重构背景信息实现目标检测。为了克服GAN（生成对抗网络）训练不稳定的挑战,特别是纯背景数据的稀缺性,本文提出了一种新的损失算法,以减小可疑目标样本对模型性能的负面影响。为了降低模型的计算负担,本文引入知识蒸馏,并设计新的蒸馏损失对学生模型加以约束,使模型轻量化的同时提高学生模型检测精度。实验结果表明：KDTGAN相较于当前检测方法表现更优,具有更高的检测精度和鲁棒性。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

运载火箭精度评估的Bayes异质先验融合方法

为充分利用运载火箭观测中的不同观测空间和过程的信息来进行精度评估，针对该背景建立了异质先验融合的数学描述。研究了飞行试验中不同观测空间和过程的异质先验信息和数据，基于不同观测过程的解析关系，将间接过程的先验和观测数据算出的后验分布转换成落点观测空间上的先验，与原落点的先验进行了最大熵加权融合，得到混合后验分布，从而结合落点观测数据给出评定结果。在无法解算出精确的制导工具误差系数的情况下，这种方法充分利用了弹道跟踪数据、工具误差系数的地面测试先验值、落点先验及落点数据，稳健性更好，准确性更高。     

光学遥感图像船只目标检测识别技术

船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展，高分遥感卫星陆续发射，基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果，成为主流研究方向，但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果，对这些问题进行了归纳总结，并对未来光学遥感图像船只检测技术的发展进行了展望。