SAR扫描区域目标模型分析

根据雷达目标测绘区域的特点，结合地面目标的特性系统，给出了合成孔径雷达的目标测绘区域目标的模拟目标模型。根据该区域目标模型可以计算出测绘区域的目标回波信号，经处理后得到测绘区域图像。实验结果表明该区域目标模型可满足对目标回波的处理要求。     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩，但由于该类方法只能以矩形框给出目标的概略位置，检测结果具有很大的背景冗余区域，特别是港口密集停泊的舰船在图像中会出现区域重叠，导致误检和漏检。针对以上问题，提出了一种具有旋转不变性的舰船目标精细化检测方法，该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点，借鉴MobileNet架构对网络加速，通过学习密集区域目标的几何形变，有效预测目标的旋转角度，最终以旋转的矩形框给出目标的位置。实验结果表明，该算法可实现多类舰船目标类型区分和目标朝向判定的功能，有效地解决了实际应用中的目标精确定位定向难题，提高了自动目标识别的精确性，并满足工程应用的实时性要求。     

图像目标跟踪及其在UCAV中的应用

在图像跟踪中主要因素是目标的几何中心，只考虑目标的相对运动特性，就可以设法减少图像处理的工作量。由于目标的边缘不可能占满整幅图像．在目标边缘检测时不必对整幅图像进行处理。为此，从估计的中心向给定方向寻找目标的边界．得到目标边界点的一个子集合．再由该子集得到目标中心的近似值．并以此为基础构造目标跟踪方法，利用图像检测实现无人战斗机对目标的跟踪。仿真结果表明．该方法对于目标的跟踪是有效的。     

图样的知识目标分类与例证性分析

根据教育目标分类学的观点分解课程教学目标，再分别对分解的目标进行例证性分析，能更客观地验证教育目标的实效性和教育过程的可行性。本文通过对图样的知识目标分类与例证性分析，为工程图学教育目标检测做一尝试。     

我国会计教育目标的特征及其实现

确定会计教育目标是会计教育改革的首要问题。会计教育目标具有诸多特征，这些特征都是客观存在的，并且，将影响会计教育目标的确定。文章从会计教育目标的内涵入手，从不同层面对其特征进行了探讨和分析，并对会计教育目标的实现提出了若干建议和对策。     

复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法

目标跟踪在自动驾驶和智能监控系统等实时视觉应用中发挥着重要作用。在遮挡、相似干扰等情况下，传统的基于相关滤波的跟踪算法容易发生漂移，鲁棒性有待进一步提高。基于此，提出了一种扩展特征描述的检测辅助核相关滤波目标跟踪架构。首先，在传统的核相关滤波目标跟踪算法的基础上，通过目标检测辅助对跟踪结果进行质量判断，实现对遮挡以及目标丢失的判别；然后通过拓展特征模板的构建与匹配，实现抗干扰相似目标判断及目标重定位；最终，以行人跟踪为例进行了试验，分别通过OTB数据及验证试验和移动机器人平台视觉跟踪验证试验，验证了算法的可行性，并对算法的跟踪性能进行了测试。试验结果表明，所提方法能够稳定地跟踪移动目标，对遮挡、相似干扰具有较强的鲁棒性。     

一种适用于捷联探测器的空间目标搜索算法

针对空间目标的搜索问题，提出了一种适用于捷联探测器的目标搜索算法。无论探测器是否能够获取目标方位的先验信息，该算法都能够使得搜索轨迹覆盖探测球面，确保目标的成功捕获。该算法分析了目标与探测器间相对运动以及姿态控制精度等因素对搜索轨迹的影响，给出了螺旋搜索轨迹重叠区域与相对运动角速度、姿态控制精度间的约束关系。对于算法生成的目标搜索轨迹，采用单轴定向姿态控制的方式给出了探测球面上搜索轨迹与姿态控制误差信号间的转换方法。最后通过典型情况下的仿真算例对算法进行了验证，仿真结果表明，无论是否具备目标方位先验信息，该算法都能够有效发现目标。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器，将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法，利用这种神经网络来确定指标的权值。仿真试验结果表明，基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法，具有很好的目标识别效果。     

被动红外制导导弹的半实物仿真的廉价目标模拟器

本文描述一种节省成本的目标模拟器的设计、研发及实现。该目标模拟器是一种基于数字信号处理器的系统，利用再现技术将目标场景加载至模拟寻的的电路上，本文详细描述目标模拟器的硬件结构，简要叙述了用于目标场景建模和系统控制的软件。概述了验证特定目标模型的数据测定过程。     

螺旋俯冲机动突防的制导律设计

针对识别和拦截技术高度发展所带来的突防难题，提出高超声速滑翔飞行器（HGV）螺旋俯冲机动突防的概念，并为此设计了一种基于虚拟滑动目标的自适应比例导引律。首先，通过分析HGV绕目标飞行的运动学特性，建立对数型的螺旋运动模型，以该模型为基础利用曲线渐伸线原理设计虚拟目标的滑动轨迹。然后，采用包含时变附加项的比例导引律追踪虚拟目标，从而实现引导HGV进行螺旋俯冲机动以及对真实目标的打击。接着，为提高虚拟目标的跟踪精度以及抵抗外部干扰的能力，设计了制导参数的闭环非线性自适应律，能根据当前偏差在线选择制导参数值。此外，还分析了满足收敛条件的制导参数的取值范围以及其进入闭环更新的策略。最后，分别针对静止目标和低速移动目标进行数值仿真验证，结果表明所设计的制导律不但能够引导HGV实施螺旋俯冲机动，还能够准确地命中目标。     

航拍高光谱图像中基于投影的自动目标检测算法

针对未知环境条件下的高光谱图像目标检测问题进行了研究，提出了一种基于投影的自动目标检测算法。该算法通过构造正交投影算子预先对部分干扰物信息进行削弱，再以无监督的自动目标搜寻方法找到场景中可能的目标物，将图像数据向可能目标物所张成的子空间投影以增强目标物的信息，然后用匹配的方法完成检测。有效减弱了干扰物对目标检测的影响，缩小了目标搜索的范围。应用此算法对实验采集数据进行处理，取得了较好的结果。     

基于目标与相关背景的多特征融合跟踪小目标

本文研究在红外图像序列中跟踪运动小目标的问题。考虑到小目标跟踪要求能够保证跟踪的目标在需要的视场内，同时受到跟踪平台转动的影响，背景在视场内处于时变状态，不能仅仅利用目标的时域轨迹连续性进行跟踪。因此，算法充分利用了目标与相关背景的分布、灰度、形状边界等信息，并加以融合。算法通过在实际包含随机目标的红外图像序列中的应用，它的有效性得到了证明。     

基于超短基线声传感器阵的高速目标轨迹估计

针对低空高速飞行目标跟踪问题，首先研究了某典型目标噪声信号的时频特性，发现其信号呈现宽带低频特征，难以从频域对目标轨迹进行估计。在此基础上，从各路接收信号的到达时延量入手，考虑到声基阵只能布设于有限空间内的制约，提出了一种基于超短基线阵时延估计的目标跟踪方法。该方法利用各个超短基线阵接收声强极值点分别估计目标运动轨迹垂线方向，计算多个垂线的叉乘向量实现对目标运动方向的估计，再利用多面交汇的方式获估计得到目标运动轨迹。分别对目标俯仰角、方位角及运动轨迹估计的理论误差进行了推导，根据理论估计误差，为能够实现对目标运动轨迹的估计，各个超短基线阵应尽量保证与目标运动轨迹不在同一平面上。根据仿真结果，在采用4个传感器基阵时，角度估计平均误差在4°以内，位置估计相对误差在5%左右。仿真结果验证了该方法的有效性。     

基于迁移学习的小样本目标识别研究进展与展望

在空、天、海等复杂环境下的目标识别任务中，高质量的样本数据往往较少。特别是在干扰对抗环境下，某些特定领域的目标信息获取困难，可靠的标注数据较少。小样本问题对深度学习技术在目标识别任务中的应用提出了新的挑战。迁移学习为小样本不确定环境下的目标识别问题提供了新的研究思路。本文针对小样本目标问题，以机载雷达等空天传感器信息对海面目标识别为例，介绍了迁移学习的主要思路和方法，对迁移学习在海面目标识别问题中的应用现状进展进行了总结；分析和归纳了迁移学习在海面目标识别应用中的主要挑战。最后对可解释性及鲁棒性的海洋目标识别技术需求及未来发展方向进行了展望。     

论企业财务目标的特点及建立基础

建立财务目标是企业财务管理首要环节，长期以来，人们更多地从纵向角度关注企业财务目标的演进，分析每一种演进的意义。本文试从横向角度阐述财务目标与其财务管理活动相比较布存在的各种特点，结果财务目标的理论意义、历史沿革、现实环境和内在逻辑因素提出其建立基础，旨在从理论和实务上更为有效、快速地确立财务目标。     

基于检测前跟踪的超视距雷达微弱目标检测方法

天波超视距雷达（over-the-horizonradar，OTHR）通过快速傅立叶变换（FFr）实现相干积累，再利用常规的方法进行目标检测。但这种方法在弱目标、低信噪比的情况下效果并不好。本文提出了一种基于检测前跟踪（track-before-detect，TBD）的OTHR弱目标检测方法，利用数学形态学对每帧弱目标回波信号进行滤波，再通过动态规划方法进行检测。仿真结果表明，该方法能够有效地提高OTHR对弱目标的检测能力，运算效率高，实用性强。     

基于多传感器的机动目标跟踪与融合技术综述

在分析了目标跟踪技术的重要地位之后，对目标跟踪要素进行了简要介绍。同时，描述了机动目标建模、滤波算法、航迹管理、传感器管理以及目标身份识别技术常用的方法，试图对基于多传感器的机动目标跟踪和识别算法构建一个轮廓和框架。     

基于运动状态的航迹起始算法研究

 针对传统的基于逻辑的航迹起始方法在量测扩展过程中存在的弊端，提出了基于目标运动状态的航迹起始算法，并给出了更为精确的起始波门构造方法。利用目标的位置信息形成候选目标航迹，在候选目标航迹扩展过程中，采用提出的修正Hough变换提取目标状态信息，并根据目标〖JP2〗的状态信息对候选航迹进行检验。仿真结果表明，该算法比其他基于逻辑的方法有更低的虚警概率，并且对存储空间要求低，适于工程应用。     

基于交互式多模型的主被动站跟踪算法

在高斯白噪声下，使用交互式多模型算法融合主动站和被动站量测信息，在各类机动状态模型切换，完成对机动目标的定位跟踪。根据主动站到达目标然后到达被动站的距离和以及目标到达主被动站的方位角和俯仰角信息建立量测模型；在交互式多模型算法的基础上，在常规直线机动模型基础上引入Singer模型，模拟目标机动运动；以几何关系求解得到的目标位置作为目标初始解，相较于其他初始模型，算法具有更好的收敛性。仿真实验表明，在主被动站间距几十千米，目标与主被动站间距几百千米，到达角误差2°左右，到达时间误差20 m左右的情况下，使用交互式多模型算法跟踪目标，收敛误差在百米级别。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年，基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用，然而对识别感知目标的体积测量，目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法，实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿，相较于原始LeGO-LOAM算法，无人车在高速情况下的构图精度得到提升；通过将激光雷达与视觉进行深度融合，实现了目标的自动识别与全局定位；通过基于平面拟合的地面分割与欧式聚类，实现了目标点云轮廓的实时获取；通过设计一种基于切片法的不规则物体体积测量方法，实现了无人车在运动情况下对目标体积的自动估计。最终，分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明，所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%，具有较好的工程应用价值。