数字地图辅助的双星无源定位精度分析

针对采用WGS-84椭球模型的双星时差频差定位算法,对零高程假设下由于真实高程误差引起的系统误差进行了分析,得出当辐射源位于海拔lkm以上的高度时,需要引入数字地图的结论。然后引入数字地图辅助的算法,给出了仿真结果。结果表明,该方法可以大大减小由辐射源海拔高度引起的定位误差。最后分析了数字地图的高程精度对定位精度的影响。     

基于顶点与主体区域同步检测的精准车牌定位

为应对非约束环境下的车牌精定位问题,提出一种基于顶点局部区域与主体区域同步检测策略的非约束性车牌定位算法。通过删减YOLOv5网络的输出结构,训练得到可同步检测车牌及顶点区域的车牌检测网络,在兼顾精度与计算速度的前提下,实现车牌顶点和主体区域的同步定位。针对一幅图中存在多个车牌区域及顶点区域存在少量漏检和误检的情况,分别设计了车牌顶点归类和单一缺失顶点预测后处理算法,借助顶点间的空间位置关系进行漏检目标预测和误检目标排查,有效改善了因场景复杂导致的个别顶点目标检测效果差的问题。所提算法在中国城市停车场数据集(CCPD)上的测试结果显示,平均精准率达99.25%,平均召回率达98.70%。所提算法不仅能够准确预测出车牌的4个顶点坐标,而且在中端GPU硬件平台上处理速度可达121帧/s,具有较好的应用价值。     

机动目标状态估计器算法研究

基于战斗机航迹准稳态运动状态假设,研究了机动目标状态估计器算法.该算法通过选取虚拟测量变量和状态变量,以及假设目标处于航迹准稳态运动状态,把含有9个变量的非线性滤波和预测问题转化为1个三阶和3个二阶的线性滤波和预测问题.在综合控制系统中的仿真结果表明,该算法计算量小,滤波精度好,能够满足综合控制需求.      

网络瞄准中的异步传感器空间配准算法

针对现有异步空间配准算法在目标机动时无法准确估计传感器系统误差的问题,研究了一种基于内插外推时间配准的异步传感器空间配准算法.该算法首先采用内插外推时间配准算法实现两传感器的数据同步,随后根据时间配准结果构建伪量测方程.不同于其他文献根据目标状态向量和时间差求解加权系数,从而构造与目标运动状态无关的伪量测方程的方法,该算法的伪量测方程构建过程与目标状态向量无关,且可以证明由时间配准结果构造的伪量测也与目标状态无关.因此该算法可有效解决目标机动条件下的异步传感器空间配准问题.仿真实验验证了该算法在目标作蛇形机动的条件下仍然可准确地对传感器的系统误差进行估计.     

高动态GPS/SINS 组合导航系统的时间同步方法

高动态环境下GPS/SINS 组合导航系统的同步误差源均被不同程度地放大, 严重影响了系统的组合性能. 给出了同步时间基准及记录GPS 通信延时的硬件设计思想. 在此基础上, 将GPS 与SINS 的时标差、SINS 的频标漂移及GPS 的通信延迟作为同步误差源, 采用软件处理方式完成对SINS 频标漂移的建模、量测信息的外推计算及GPS 通信延时的滤波补偿, 使系统的量测信息在每一个同步点上实现同步. 仿真结果验证了方法的有效性.      

GPS授时校频方法研究与试验结果

为了解决多目标综合测量系统各测站之间时间同步和频率校准问题,提出了利用GPS(Global Positioning System)单星或多星共视方法进行站间时间同步与校频,给出了这两种方法的计算公式,分析了星历误差、星钟误差、电离层折射误差、对流层折射误差、多径效应和接收机硬件延迟对时间同步精度的影响.为了验证GPS授时校频精度,进行了相关试验.通过与铯原子钟比对,表明利用GPS可实现纳秒级时间同步,校频精度也优于5.0×10-11,多星共视具有更高的同步校频精度.      

不同传感器精度下的地形辅助导航系统性能评估

为完成地形辅助导航系统的传感器选型以及改进地形匹配算法和地形辅助导航系统可靠性的研究,开展了传感器精度对地形匹配概率的影响研究.针对不同的地形,分析了高度表误差、速度误差和航向角误差对地形匹配概率的影响,并根据实际要求通过仿真计算确定地形匹配系统中各传感器的误差范围.利用丘陵、山地和高山地等大量地形数据进行测试验证,仿真结果表明:在地形匹配概率大于90%时,速度误差小于2.2 m/s,航向角误差小于0.6°,高度表噪声标准差小于16.4 m.     

基于抗差自适应滤波的轨道在线检测

针对测量机器人在大型导轨检测中的应用设计了一套动态跟踪检测系统。由于受各种干扰的影响,系统测量得到的测量值与目标真实状态往往不尽相同,因此提出了一种基于Singer模型的抗差自适应滤波算法。首先,采用Singer模型建立目标的运动模型;在此基础上,发展了抗差自适应滤波技术来进行在线测量数据处理;最后,进行了轨道检测的跟踪测量应用。结果证明,该系统未经滤波处理时的测量误差能够达到mm级,通过滤波能够对测量数据进行平滑处理,准确定位误差点,降低了检测误差,能够满足长轨道在线检测的准确度要求。     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。     

运动信息引导的目标检测算法

在室外监控视频的场景下，由于场景的复杂性及目标的多样性，监控视频中的目标存在难以检测的情况，如目标被遮挡、目标尺寸变化等，目标检测任务仍然存在挑战。基于此，提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进，使得到的运动前景图中能够保持静止目标前景的存在；利用运动前景图中的前景可以指示目标空间位置的特点，在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合，提高特征图可能存在目标区域的响应值；在目标检测算法的检测器中，引入一个定位分支，利用视频帧的运动前景图，学习候选目标的定位置信度，并与目标的分类置信度加权求和，作为目标最终的置信度，再通过非极大值抑制方法得到检测结果。实验证明，在固定摄像机下采集的数据集中，所提算法能够提升目标检测的准确率。      

数字电视大范围载波频偏快速捕获算法

根据中国数字电视地面传输标准帧结构特点,提出了一种大范围频率偏差捕获方法.该算法利用PN(Pseudo Noise)序列移位相加后仍为PN序列这一特征,通过帧头PN序列与本地PN序列的差分互相关得到待求的频偏值,然后利用BLUE(Best Linear Unbiased Estimator)方法,在不损失频偏精度的前提下扩大频偏估计范围.该算法能在帧同步前快速捕获大范围频偏,为可靠实现帧同步以及频偏跟踪过程提供了必要条件.仿真结果表明,相对于传统的差分互相关算法,该算法能在一个帧头时间内快速锁定频偏,频偏估计范围扩大了H倍且频偏精度不变.     

一种基于被动探测的双机雷达协同定位方法

针对有源探测易被发现及干扰的问题,设计基于被动探测的双机协同射频隐身定位方法。通过测向交叉定位处理获得目标的距离信息,利用属性数据关联消除“鬼影”,从而完成对目标稳定有效的探测。所设计的双机雷达协同定位方法具有目标定位精度高和隐蔽性良好等优点,并通过仿真验证了算法的有效性和实用性。     

鲁棒的红外小目标视觉显著性检测方法

鲁棒的红外(IR)小目标检测是自动目标检测的关键技术,低信噪比条件下的红外小目标检测一直是业内研究热点.为了能有效地检测红外小目标,对红外小目标若干表观特征及其视觉显著性进行了分析,提出一种基于多尺度图像块统计序对比度(MOCIP)的红外小目标视觉显著性鲁棒检测方法,采用两步级联多尺度图像块统计序对比度算法抑制背景和噪声,提升目标强度,获得红外小目标显著性图,并利用自适应阈值实现目标检测.本文详细给出了红外小目标视觉显著性的检测算法,使用红外小目标图像对检测性能进行了实验验证,并与其他检测方法进行了对比.实验结果表明,所提出的方法能够在低信噪比条件下克服噪声和复杂背景的影响,有效地对红外小目标视觉显著性进行检测.      

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.      

基于运动模型的低空非合作无人机目标识别

为保障低空安全,在利用雷达数据探测无人机目标的同时剔除飞鸟等虚警信息,提出了一种基于运动模型的低空非合作无人机目标识别方法,作为已有目标跟踪方法应用的拓展。首先,建立多种运动模型模拟无人机和飞鸟目标运动;然后,基于多种运动模型进行目标跟踪,并估计各种运动模型的出现概率;最后,以各种运动模型在连续时间内出现概率的方差均值来度量目标运动模型的转换频率。通过对仿真数据和机场低空监视雷达实测数据的处理,所提方法能够在杂波环境中跟踪无人机目标并剔除飞鸟目标,进一步验证了其有效性和实用性。      

基于视频数据的机场跑道外来物检测

提出了一种基于视频数据的机场跑道外来物(FOD,Foreign Object Debris)检测算法,该算法包括几何校正、背景差分、杂波抑制和伪装消除等4个步骤.其中,几何校正排除了摄像头轻微抖动造成的图像差异;背景差分利用每个像素对应的颜色向量信息,建立背景模型并进行定时更新;杂波抑制和伪装消除利用差分图像和原始图像信息,建立马尔科夫随机场和概率统计模型,在降低虚警的同时提高了检测率.将本算法应用于两组不同光照条件下获取的视频图像,检测不同形状和颜色的FOD目标;采用本算法对机场实测数据进行测试,验证了算法的有效性.     

基于循环神经网络的SPMA协议信道状态智能检测改进算法

为实现对时敏目标的快速探测、定位和打击,战术瞄准网络技术(TTNT)对战术信息接入信道、交互传输的实时性、可靠性提出高要求。TTNT采用基于统计优先的多址接入(SPMA)协议,通过周期性计算统计平均的思想,估计当前信道状态,控制战术信息接入信道的时机。该思想仅适用于流量相对平稳的情况,在流量非平稳时会导致较大的信道状态检测误差。针对此问题,引入流量预测技术,提出基于循环神经网络的SPMA协议信道状态智能检测改进算法。利用循环神经网络的学习特点学习历史流量数据的隐含特征,构建流量预测器对瞬时时刻的流量脉冲到达数进行实时预测,从而准确获取当前信道状态。实验结果表明：所提算法对信道状态的检测结果更接近真实值,显著降低了信道忙闲状态的误判率。