基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

轴流压气机转子旋转不稳定性检测及机理探讨

为了探究固定通道中叶尖泄漏流非定常性引起旋转不稳定性(RI)的物理机理,以轴流压气机转子为研究对象分别进行试验和数值研究。通过对机匣壁动态压力信号的分析获取其叶尖流场的非定常特征,发现RI仅在靠近失速边界的狭窄的流量范围工况出现,RI的模态随时间变化。在此基础,采用五通道的数值模拟方法对该转子的内部流场进行了研究。结果表明,数值模拟流场中出现的静压扰动的变化规律和频率特征与试验测量结果一致,多通道的数值模拟成功地预测出RI产生的过程。进一步的流场分析表明,固定通道中出现了泄漏流自诱导非定常性,其对通道压力面近叶尖区压力分布的影响使得相邻叶片的泄漏流也出现自诱导非定常性,该过程在叶尖环面沿周向传播导致了RI现象的出现。     

湍流等离子体尾迹雷达散射截面的计算及其影响因素分析

针对一阶畸变波Born近似模型,深入分析了湍流内外尺度和电子数密度脉动值对雷达散射截面的影响,并且给出了关于湍流外尺度的一个经验的,能被工程上较好使用的公式.在以上分析的基础上,计算了几种高程条件下再入小钝头锥体等离子尾迹的雷达散射截面,与已有实验结果进行了对比分析.分析和计算结果表明,湍流的外尺度和局部电子数密度值对雷达散射截面值影响较大;湍流内尺度变化的影响不大.     

降落伞系统动力学的面向对象仿真框架

针对当前降落伞系统动力学仿真中存在的问题,引入面向对象分析方法建立了开放性的仿真框架。框架由模型库、算法库和系统库三部分组成。实现了基元模型接口的规范化和模型库的层次化,提高了框架可扩充性和适应性。框架提供了通过基元模型组合来建立系统模型的机制,可支持针对不同系统、不同应用的仿真工作。利用该仿真框架,完成了某型飞船降落伞系统建模仿真,验证了框架的有效性。     

基于Bayes理论的导弹贮存可靠性试验研究

基于某导弹样本少、贮存过程需要检测、维护、故障修复等特点,利用Bayes理论推导出公式,以此公式为基础设计试验过程,进行贮存可靠性试验,收集试验数据,并且融合验前信息,最终得出调整后的失效率。     

雷达吸波材料设计理论与方法研究进展

综述了近10年来雷达吸波材料(RAM)计算设计理论、方法及优化技术的发展,并简要评价了现有的设计技术。此外,提出了雷达吸波材料设计存在的技术问题,并预测了吸波材料设计的发展方向。     

单轴旋转惯导系统多位置对准技术研究

单轴旋转惯导系统很容易实现多位置对准,在初始对准中通过改变姿态矩阵,可以提高惯导系统的可观测度,从而提高初始对准的精度.推导了单轴旋转惯导系统的误差方程,在分段线性定常系统理论的基础上,利用奇异值分解的方法,对多位置对准时系统各状态变量的可观测度进行了分析.分析了旋转轴不正交误差对初始对准精度的影响,结果表明旋转轴不正交误差严重影响对准精度,需要对旋转轴不正交误差进行标定和补偿.提出了一种旋转轴不正交误差的标定方案,并对该方案进行了仿真分析,验证了该方案的可行性.     

GPS信号FFT自适应抗干扰技术的FPGA工程实现

针对自适应抗干扰技术展开研究,提出了易于FPGA实现的FFT自适应窄带抗干扰技术.这种方法减小了数字信号处理部分的计算量,提高了系统处理的实时性,降低了系统的复杂程度.实验表明在有宽带干扰存在的情况下,使用所提出的方法可以自适应检测并剔除窄带干扰.与GPS接收机的对接测试表明,该技术能大大提高接收机的抗干扰能力.     

基于事件本体的CGF飞机实体作战计划模型

以海空作战仿真中的CGF为研究对象,在分析BDI Agent中的信念、愿望、意图与作战计划之间关系的基础上,分析了其中的动作序列的关系问题,利用时间关系公理对作战实体的思维状态进行了刻画,以CGF飞机Agent实体编队进行对海突击为想定,建立了基于事件本体的CGF飞机Agent实体作战计划模型,并利用Protégé本体建模工具进行了实现。应用实践证明,虚拟海战场中的CGF作战计划本体模型,可以为虚拟海战场综合环境建模和仿真中的作战实体作战计划提供语义上的支持,提高了作战实体的智能水平和对战场环境的认知能力,为CGF实体智能建模提供了新的手段和途径。     

基于压缩感知的MIMO-SAR运动误差补偿与成像

多发多收合成孔径雷达（MIMO-SAR）利用多通道空间并行采样的优势可实现高分辨成像,但不可避免地存在运动误差与海量数据不便于存储与传输的问题。针对该问题提出一种基于压缩感知的MIMO-SAR运动误差补偿与成像方法。首先通过详细分析MIMO-SAR运动误差回波信号模型,在全采样条件下利用两步运动补偿技术实现对回波数据的运动误差补偿处理,其次针对降采样回波数据的运动误差补偿,通过构造变换算子与压缩感知（CS）重构模型的方法实现第1步运动误差补偿、距离脉压以及距离徙动校正处理,然后再进行第2步误差补偿与方位向脉压处理获得成像结果。最后通过仿真实验验证了所提方法能够在大幅压缩回波数据的情况下,实现MIMO-SAR运动误差补偿与成像处理。