高光谱图像全局异常检测RFS-SVDD算法

针对SVDD用于高光谱图像全局异常检测时存在虚警率高的问题,提出RFS-SVDD算 法。RFS-SVDD将空间相邻且光谱相似的像元分为同一区域,根据区域大小将图像在空间上分 成潜在异常区域与背景区域,用背景区域中所有子区域的平均光谱RFS作为SVDD训练样本求 取支持向量。RFS是每个子区域中像元光谱的统计结果且不包含奇异像元,可以避免奇异像 元光谱和图像随机噪声对背景建模的影响。对HYMAP和AVIRIS图像数据的仿真结果表明：RFS -SVDD算法能抑制异常目标像元光谱和图像随机噪声对背景建模的干扰,降低SVDD用于高光 谱图像全局异常检测的虚警率。
     

基于BIT技术的运载火箭测试系统研究

BIT(Built-In Test)技术是一种能够显著改善系统或设备测试性能和诊断能力的重要技术手段.本文主要介绍了BIT技术的性能、特点、结构,分析了BIT技术在运载火箭测试中应用的意义和可行性,并详细提出了基于BIT技术的运载火箭测试方案以及方案中的关键技术和主要解决途径.研究结果表明此方案有效可行,并对其在航天测试中的应用给予了展望.     

利用S变换的X射线脉冲星信号恒虚警率检测算法

针对传统的X射线脉冲星信号检测算法计算量大及在低信噪比下检测性能差的问题,提出了一种结合S变换的恒虚警率检测算法。首先,根据高斯白噪声的S变换域功率谱分布特性对累积信号的时频功率谱进行阀值滤波;然后累加阀值滤波后的信号功率谱作为检测统计量,从理论上对检测统计量的分布特性进行分析,得出检测统计量服从高斯分布,并用蒙特卡罗方法进行了验证。在此基础上,利用检测统计量的概率密度函数计算判决门限,从而实现了恒虚警率检测。理论分析和实验结果表明,本文算法的检测性能优于同类基于高斯分布的恒虚警率检测算法,并且具有较低的复杂度。     

复合高斯杂波中距离分布目标的极化自适应检测

极化高分辨力雷达能够获取更丰富的目标特征信息,充分利用极化信息能够有效地提高检测和识别性能.本文基于广义似然比检验,提出了一种复合高斯杂波中距离分布目标的极化自适应检测器,推导了检测器的虚警概率表达式,理论分析表明其相对于杂波的协方差矩阵和纹理分量都具有恒虚警特性.利用仿真数据统计分析了该检测器的检测性能,仿真结果表明,在一般情况下当辅助数据较少时该检测器的检测性能优于其它同类检测器.     

基于空间分布特性多层RX高光谱点目标检测

针对目前高光谱图像异常点目标检测过程中准确率低和虚警率高的问题,本文结合目标的空间分布特性,提出了一种多层级RX检测方法。通过计算被检测区域图像谱向相似性响应图,采用非线性抑制的方法,突出点目标并抑制背景。为进一步提高检测算法的表达能力和泛化性能,采用多级检测器级联的方式,逐层级增强异常点处的相对能量,削弱背景的影响,从而达到较高的检测性能。在外场挂飞试验数据集上进行验证,结果表明:该方法 AUC值达到0.988 1,明显优于CEM算法的0.962 6和传统RX算法的0.939 2。     

基于ResNet的智能恒虚警目标检测方法

传统恒虚警检测方法通常假设待测单元的杂波与训练杂波满足独立同分布,然而在实际雷达工作环境中,强杂波呈现出非均匀特性,沿距离单元的杂波统计特性差异变化较大,使得传统恒虚警目标检测方法在复杂环境下的检测性能下降。为解决该问题,本文从杂波统计特征提取分类出发,通过深度学习方法对杂波进行分类,提出了一种基于残差神经网络(ResNet)的智能恒虚警目标检测方法。首先,根据雷达实测杂波数据建立ResNet的训练集和测试集;其次,构建ResNet对数据进行智能特征提取,得到杂波的统计特征,并用训练好的网络对测试集进行测试;最后,以阈值可设的Softmax分类器对所得统计特征进行分类,根据分类结果实现智能恒虚警目标检测。实验结果表明:相比传统恒虚警检测方法,本文提出的方法具有自适应能力更强、检测性能更好等优点。     

新一代运载火箭的数据驱动快速测试技术

本文提出一种数据驱动的快速测试技术。数据由箭上系统通过自检测(BIT)采集,经箭地高速总线传送至地面;地面数据处理终端采用与箭上系统相同的模型和算法,复现箭上的处理过程,从而判断系统中是否存在故障,实现快速故障定位。本文全面介绍实现这一设计的关键技术,包括箭上信息监测点的选择、总线窃听技术、飞行软件中的数据管理任务等,并示例说明各类典型数据的分析以及故障诊断和定位等。所有分析工作均实时自动完成,并能随测试用例的调整自适应地计算出新的比对结果,为提高系统级测试的覆盖性创造条件;并大大节省地面专用测试设备和数据分析时间,减少技术保障人员。     

一种基于滤波响应损失的多通道合成孔径雷达地面动目标检测方法

针对在非均匀杂波背景下,杂波抑制后孤立强杂波剩余能量导致动目标检测虚警率升高的问题,提出了一种基于滤波响应损失的多通道合成孔径雷达地面动目标检测(SAR-GMTI)方法。对多通道的合成孔径雷达(SAR)图像进行维纳匹配滤波处理,在杂波抑制残差图检测的基础上,根据滤波前后信号的能量差异设计了滤波响应损失检测量,对潜在目标进行二次检测,以剔除虚警。仿真与机载实测数据表明:该方法能在非均匀杂波背景下有效改善动目标的检测性能,可应用于运动平台雷达对地监视预警。     

干扰秩估计对减秩空时自适应处理算法检测性能的影响

研究了在机载雷达应用中，进行干扰秩估计对几种减秩空时自适应处理方法的检测性能的影响。重点研究了干扰秩与实现最大检测概率处理所需的接收 阶的关系。此外，还研究了其恒虚警率（ＣＦＡＲ）特性。所考虑的参数包括：抑制噪声干扰机数目，杂波的抗相关时间以及飞机倾斜角。本文还提供了模拟数据以及测量数据结果。     

基于对角加载的机载MIMO雷达自适应匹配滤波检测器

研究了基于自适应匹配滤波(Adaptive Matched Filter, AMF)的机载MIMO雷达目标检测问题。针对参考单元数据不足对MIMO\|AMF检测器性能的影响,提出了基于对角加载的MIMO雷达AMF(MIMO\|LAMF)检测器,并对其检测性能进行分析,给出虚警概率和检测概率的闭合表达式。该检测器利用机载MIMO雷达杂波子空间低秩的特点和对角加载技术,解决了因参考数据不足所引起的矩阵病态问题。为了减少MIMO\|LAMF检测器的运算量,在分析杂波协方差矩阵块对角化特性的基础上,给出一种简化MIMO\|LAMF检测器。理论分析和仿真结果都表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,检测性能优于MIMO\|AMF检测器。
     

液体火箭发动机基于ATA算法的实时故障检测与报警系统实现

以平台液体火箭发动机为研究对象,改进和完善了用于发动机实时故障检测的自适应阈值门限算法（ATA算法）,提高了算法检测的适用性。然后,从健康监控系统的功能和要求出发,基于LabWindows／CVI实现了发动机地面试车的实时故障检测与报警系统。结合实际试车数据的检测结果表明,系统不仅能够及时地对异常试车数据进行检测报警,同时,对正常试车数据也没有误报警。     

液体火箭发动机地面试车实时故障检测算法

为了实时有效地检测液体火箭发动机地面试车中的故障,提出了改进自适应阈值算法(IATA)。讨论了自适应阈值算法(ATA)的原理,研究了其改进方法,提高了算法对故障的敏感性和对新试车数据的适用性。通过大量历史试车数据和实际热试车对IATA算法实时性和有效性的验证表明,IATA算法不仅能够及时地检测到异常试车的故障,同时,对正常试车也没有误报警,简洁有效,计算量小,检测速度快。因此,IATA算法适用于液体火箭发动机地面试车的实时故障检测。     

非高斯杂波背景中的两个距离扩展目标检测器

针对采用球不变随机向量(SIRV)建模的非高斯杂波背景中检测具有稀疏散射点的距离扩展目标问题,先假设目标强散射点的位置信息已知,采用广义似然比检验(GLRT)理论,提出了基于散射点位置的GLRT (SL-GLRT) 检测器。然后,采用门限法估计散射点的位置信息,提出了双门限恒虚警率(DT-CFAR)检测器,推导了虚警概率与检测门限关系的解析表达式,并给出门限的确定方法。与现有方法相比,散射点位置信息已知时, SL-GLRT 具有最佳的检测性能,散射点位置信息未知时,DT-CFAR具有较好的鲁棒性。     

基于Fuzzy ART的航天器状态监测方法及应用研究

为解决信号空间法在航天器状态监测中存在的参数阈值难以设定问题,提出一种基于Fuzzy ART神经网络的状态监测方法．该方法利用Fuzzy ART的聚类特性及网络的自主扩展性,对系统正常状态向量在多维空间进行聚类,并以网络的输出节点编号代表正常状态向量的类别．监测时,网络通过判定输入的状态向量与正常状态向量的匹配度是否满足要求而给出监测结果．该方法克服了信号空间方法各单项参数阈值难以设定问题,并且能有效地消除因噪声干扰产生的虚警．     

某型火箭发动机起动过程实时故障检测算法研究

以某型火箭发动机为研究对象,针对其起动工作过程,利用Matlab和LabWin-dows/CVI等编程语言,结合神经网络理论,开发了其起动工作过程的实时故障检测算法。使用了多次试车数据进行离线检验,结果证明该算法能够及时、有效地检测出该型火箭发动机起动过程的已有故障,并能够满足实时性的要求,没有出现误报警和漏报警。     

基于对比度和梯度分布的红外弱小目标检测

红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。     

多星座组合导航系统自主完好性监测方法研究

提出一种“VGC BIT”的方法分析多故障情况下多星座组合导航系统的自主完好性监测性能。该方法基于现有GPS观测数据构建“准现实”的GPS/Galileo组合导航环境,可有效实现对多故障情况下GPS/Galileo组合系统完好性监测性能的分析。应用该方法计算GPS/Galileo组合导航系统中同时存在1~4个故障时的故障检测(FD)和排除(FDE)可用率。计算结果表明,在北京和上海两地,即使出现分布情况最坏的4个故障星,航路阶段FD和FDE的可用性仍大于99%。     

3D传感器检测和跟踪的联合优化

在杂波环境下实现检测－跟踪的联合优化是目标跟踪中的一个重要研究课题。对3D传感器使用PDAF进行目标跟踪的情况，本文以先验检测门限优化准则为设计准则，通过用解析近似表示拟事修正Riccati方程中的参数，给出了瑞利起伏环境下实现检测和跟踪联合优化的方法。研究和仿真表明：（1）这种检测和跟踪联合化化方法的跟踪性能优于固定虚警率方法的跟踪性能，但这种性能的改善主要体现在滤波稳定阶段；（2）基于先验检测门限优化准则实现检测－跟踪的联合优化要求信噪比要大于一定的门限，在瑞利起伏环境下，三维测量所要求的信噪比门限为2．157。     

数据驱动的运载火箭氧涡轮泵异常分析方法

基于模糊聚类和LSTM网络，提出了一种数据驱动的运载火箭发动机氧涡轮泵数据异常分析方法。通过模糊聚类对工况复杂，标签不完整的数据样本进行预分类，得到完整的标签并且分析特征贡献度，为LSTM网络的特征筛选和训练打下基础；通过LSTM网络对氧涡轮泵数据进行预测，并计算预测结果与原始数据之间的平均误差，再根据非参数阈值计算方法计算的阈值判据来判断设备是否异常，最终实现了氧涡轮泵数据驱动的故障检测报警，相较于红线阈值检测方法准确率提升7%。