基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

通信拓扑切换下的多飞行器协同拦截方法

针对通信拓扑切换条件下的多飞行器协同拦截问题，提出了一种基于扩张状态观测器的协同制导方法。建立协同制导设计模型，将协同拦截问题转换为视线稳定条件下的剩余飞行时间调节问题。为解决机动目标状态不确定的问题，将目标的状态视作扰动，设计扩张状态观测器来估计机动目标的状态，并在制导律中对目标的机动进行补偿。利用有限时间一致性理论进行一致性控制协议的设计，实现各飞行器剩余飞行时间的有限时间一致，并利用Lyapunov稳定性理论分析通信拓扑切换情况下闭环系统的有限时间稳定性，给出了系统一致收敛时间。仿真结果表明，在通信拓扑变换的情况下，设计的观测器能够有效估计目标状态，且协同制导律能够满足对剩余飞行时间的控制要求，进而实现协同拦截。     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题，提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计，然后构建冗余的微动原子集，对加速度补偿后信号进行微动分解补偿，通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数，并快速提取其微动特征。     

Ф3．2m风洞活动地板系统研制

目前在风洞中通常采用固定地板和活动地板两种模拟方法开展飞行器地面效应研究，确定地面效应影响量大小。采用固定地板模拟地面时，由于存在地板边界层，不能真实模拟飞机近地飞行状况。采用活动地板模拟地面时，由于活动带运行速度和方向与来流一致，在活动地板表面不存在边界层，可以真实模拟飞机近地飞行状况，提高地面效应试验数据的精准度。介绍了Ф3．2m风洞活动地板系统的研制情况，对活动地板系统的组成、结构形式、主要技术指标等作了简要介绍。YF-16模型试验结果表明：Ф3．2m风洞活动地板试验系统的性能指标达到了设计要求，活动带最大运行速度为60m／s；活动地板和固定地板两种模拟方法获得的地面效应试验结果存在较大差别，差别大小随地板高度和飞机姿态角变化而变化。     

高斯模糊下舰船图像的矩特征

针对舰船目标图像受到自身运动、环境和图像预处理的影响出现模糊,丢失轮廓信息,造成像素点阵模糊和矩特征变化的问题,在高斯模糊低阶矩特征分析的基础上,提出并证明了Hu矩、仿射不变矩特征在高斯模糊作用下的变化定理;通过2个仿真实验验证了定理的正确性;为了保证舰船目标的识别效率,提出了建立多尺度特征库的建议。     

无网格法耦合RNG k-ε湍流模型在亚、跨声速翼型黏性绕流中的数值模拟

基于移动最小二乘无网格方法,耦合RNG(Re-Normalisation Group)k-ε湍流模型求解雷诺平均Navier-Stokes方程。采用AUSM(Advection Upstream Splitting Method)+-up迎风格式求解数值通量,应用在高度各向异性点云结构中取得良好结果的点云重构技术结合移动最小二乘法拟合空间导数,并用三阶SSP(Strong Stability Preserving)型Runge-Kutta显式时间推进格式求解离散后的控制方程。在此基础之上,实现了对NACA0012、RAE2822翼型亚、跨声速黏性绕流的数值模拟,给出了翼型表面压力系数分布曲线、不同位置处的平均速度剖面、马赫数等值线等计算结果,并与实验值及相关文献数值模拟结果进行比较,结果吻合较好。表明所发展的结合点云重构技术的无网格方法耦合RNGk-ε湍流模型能够成功模拟翼型亚、跨声速黏性绕流,验证了所提算法的有效性,并拓展了无网格方法求解湍流流动的途径。     

基于杂波对消-自聚焦的多通道SAR-GMTI

对超高频(UHF)波段多通道合成孔径雷达(SAR)动目标检测技术进行研究,解决了长相干积累时间导致动目标在方位向散焦严重的问题。采用分块自聚焦技术对多通道SAR地面移动目标指示(GMTI)系统自适应杂波抑制后的SAR图像进行处理,改善杂波抑制后的SAR图像中动目标的聚焦情况,增强动目标与周围剩余杂波的对比度,进而提高恒虚警率(CFAR)检测的性能。与传统杂波抑制后直接进行CFAR检测方法相比较,该方法降低了检测虚警概率。实测数据处理结果显示动目标的信杂比明显提高,动目标方位向聚焦成功,证明了该方法的有效性。     

基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

带移动负载海上浮筒系统运动响应特性初步研究

将某类海上自动作业系统简化为带移动负载的浮筒系统,其中负载简化为外径为180mm、约50kg重的柱型体,浮筒为外径533mm的圆筒;初步设计了浮筒系统的主参数。在此基础上,采用频域数值模拟计算,获得了浮筒自由状态下的固有周期和运动响应传递函数(RAO);再采用时域模拟方法,预报了3级海况下(JONSWAP谱)浮筒系统整体的运动响应特性,给出了运动响应幅值、最小干舷高度等特性参数,可为相关装备设计提供技术参考和借鉴。