基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法，提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO)，并求取SO的运动参数，利用真实目标和类目标干扰的不同运动特性，应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰，从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中，一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明，该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰，降低虚警目标的数量。     

飞机隐身技术综述

本文根据最近几年有关部门对降低军用飞机雷达散射截面(RCS)的研究,对飞机隐身技术的问题作了综合性评述。全文分为二部分,第一部分为飞机隐身技术的发展概况,第二部分概括介绍各种飞机隐身技术的基本内容,最后论述了飞机隐身技术与飞机设计之间的密切关系。     

实用航空发动机LQR权阵选取方法

为了简化航空发动机LQR方法权阵的选取，基于优化理论提出了一种新的目标函数选取方法。该目标函数同时反映控制性能与控制能量的影响，因此，通过优化该目标函数得到的权阵设计出的LQR控制器不仅性能优良，还能保证控制能量在可接受的范围内。此外，该目标函数中包含且只包含了一个可调参数，可简化控制器参数调节过程，使设计者能轻松地在控制性能与控制能量间找到合理的折中。线性仿真、非线性仿真及半物理仿真试验均验证了按此方法设计的控制器的性能。     

关于阵列式雷达目标模拟器的理论分析

本文权述了阵列式雷达目标模拟器的基本原理。根据模拟目标与实际目标在接收处的反射场及视在中心均应相同的关系导出了三元阵三个阵元的调制信号,并指出这种射频目标仿真既适用于单站情况,也适用于双站情况。     

语音模式中基于启发式搜取的快速匹配算法

语音模式匹配是语音识别技术的关键步骤之一。本文介绍了如何运用SA算法实现语音模式的快速匹配的思想。SA算法与传统的动态时间弯变(DTW)算法相比较具有计算量大大减少而系统识别率几乎不降的特点。     

假目标诱骗对抗反辐射导弹作战效能分析

研究多个假目标保护一个真目标(雷达)对抗反辐射导弹(ARM)的作战效能.在确定ARM瞄准方向的基础上,给出导引头在分辨目标时刻对真假目标截获概率的计算方法;推导出计算真目标受到ARM多次攻击时被杀伤概率的通用公式.研究结果表明:在评估假目标诱骗对抗ARM的效能时,必须考虑目标损失积累的影响;为提高诱骗效能,在增加假目标数量的同时,应降低其易损性,提高发射功率,并采用合理的布局方案.     

神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题，提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化，从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程，鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式，基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子，用于放大Singer模型中的机动频率，进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真，并与交互式多模型等方法进行比较，结果表明所提方法的跟踪精度高、计算量小，能够较好地适应阶跃机动和连续幅值变化的机动。     

对于动态目标的航天器鲁棒PD+快速跟踪控制方法

摘要：针对卫星对于空间动态目标快速、稳定地跟踪、控制目标，同时考虑平台模型的不确定性、外部随机干扰、系统控制力矩与角速度约束等因素，设计PD+控制器实现对于动态目标的快速、稳定跟踪；在经典PD控制器的基础上设计控制添加项使得系统能够按照既定轨迹运动；采用变结构的手段实现系统收敛速度的提升；合理设计Lyapunov函数的结构，引出角速度、四元数的耦合项对V函数进行改良，简化系统稳定性证明与分析的过程；讨论系统最极端情形，通过对V函数上下界的讨论分析系统该情形下的稳定性；最后通过数值仿真验证所提出算法的有效性与优越性.     

Hybrid integration method for highly maneuvering radar target detection based on a Markov motion model

To detect highly maneuvering radar targets in low signal-to-noise ratio conditions, a hybrid long-time integration method is proposed, which combines Radon-Fourier Transform (RFT), Dynamic Programming (DP), and Binary Integration (BI), named RFT-DP-BI. A Markov model with unified range-velocity quantification is formulated to describe the maneuvering target’s motion. Based on this model, long-time hybrid integration is performed. Firstly, the whole integration time is divided into multiple time segments and coherent integration is performed in each segment via RFT. Secondly, non-coherent integration is performed in all segments via DP. Thirdly, 2/4 binary integration is performed to further improve the detection performance. Finally, the detection results are exported together with target range and velocity trajectories. The proposed method can perform the long-time integration of highly maneuvering targets with arbitrary forms of motion. Additionally, it has a low computational cost that is linear to the integration time. Both simulated and real radar data demonstrate that it offers good detection and estimation performances.