基于视觉注意机制的认知雷达数据关联算法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟、以及概率数据关联算法不适于多交叉目标跟踪的问题,提出了一种基于人类视觉选择性注意机制和知觉客体的"特征整合"理论的认知雷达数据关联算法。算法以综合交互式多模型概率数据关联算法为基础,采取假设目标最大机动水平已知的"当前"统计模型和匀速运动模型作为模型集,通过实时交互使关联波门能够随目标机动动态调整,较好地兼顾了雷达计算耗时和跟踪成功率。在利用目标位置特征的基础上,进一步提取、整合目标运动特征,对关联波门交叉区域公共量测进行分类,使多交叉目标跟踪问题转化为多个单目标跟踪问题,优化了传统概率数据关联算法。仿真结果表明：与传统关联波门设计方法相比,算法跟踪失败率和计算耗时明显降低;而且在计算资源增加不大的情况下,杂波环境适应性也得到了显著增强。     

基于极线几何的统计优化特征匹配算法

针对基于特征点的图像匹配中匹配数目不多以及重复结构下匹配较差等问题,提出了一种基于极线几何的统计优化特征匹配算法。利用正确匹配特征点之间满足对极约束的特点,从而可以减小特征点搜索区域,避免由于重复结构引起的误匹配对。首先使用一个小的特征点样本估计图像之间的基本矩阵,并利用它结合对极约束模型来引导特征匹配;然后利用基于特征点主方向和尺度信息的统计优化方法进一步消除误匹配,得到最终匹配结果。实验结果表明,该算法对图像的旋转和缩放变换具有良好的鲁棒性,匹配精度和数目有了很大提升,对于具有重复结构的图像匹配效果也较好。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

NNW-TopViz流场可视分析系统

流场可视化技术采用图形图像直观地表现CFD数值模拟的计算结果,使用户能够方便地对这些数据进行分析、比较和研究。然而,CFD数值模拟的流动复杂,其产生的流场数据规模巨大、数据类型复杂、特征提取困难,传统的串行可视化软件效率低、交互手段单一,难以满足数据分析的需求。国家数值风洞（NNW）工程研制了一套流场数据处理可视化软件系统（NNW-TopViz,简称TopViz）,具有对流场数据处理与特征提取、几何图形绘制等可视化与交互功能。根据可视分析效率需求,TopViz实现了线程并行,在多核计算环境下有效提高了可视化计算和交互效率;针对流场特征提取困难、常规方法效率低的问题,TopViz实现了基于卷积神经网络的流场旋涡特征提取方法,提升了特征提取准确率和效率;为提高软件交互效率并提供便捷的交互方式和体验,基于头戴式显示设备和体感控制器构建沉浸式虚拟显示与交互平台,TopViz实现了手势和眼球凝视2种交互方法,提供沉浸式环境下多视图、多角度流场探测方式。     

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.      

昆虫翅膀图像特征的亚像素级提取方法

昆虫翅脉、翅脉交点及翅膀边缘是昆虫翅膀运动变形三维重构的主要依据.通过分析这三种特征的图像特点,对于翅脉中心,采用Hessian矩阵求出灰度极值点方向,并用二次曲线拟合该方向的灰度变化,通过确定该曲线极值点位置来提取亚象素翅脉中心;然后通过求灰度图像的梯度,在其梯度变化方向求极值点的方法提取翅膀边缘特征;此外根据翅脉方向变化的连续性提出了邻域角度约束方法确定翅脉交叉点,从而最终提取到亚像素级的翅膀边缘、翅脉及交叉点等特征.实际应用证明该方法是较为有效的.     

基于抗噪声ICA的高光谱数据特征提取方法

特征提取是高光谱数据应用的一个重要环节,用于将高光谱数据中具有特殊性质的地物分离出来并去除冗余信息.提出了一种使用独立成分分析(ICA,Independent Component Analysis)进行高光谱遥感地物特征提取的方法.为了解决ICA对噪声过分敏感的问题,采用最大噪声分量(MNF,Maximum Noise Fraction)算法替代传统的主成分分析对数据作降噪处理,由MNF引出的不完全独立成分分析(UICA,Undercomplete ICA)在不牺牲特征提取能力的情况下能够获得很高的运算效率.给出了HYDICE和PHI的数据试验结果,分别测试了算法在时间效率和特征提取能力方面的性能,证明了该算法具有预期的性能.     

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.