双基地角时变下的ISAR稀疏孔径自聚焦成像

针对双基地角时变下的逆合成孔径雷达（ISAR）成像分辨率低以及稀疏孔径存在相位误差引起图像散焦等问题,提出了一种基于贝叶斯压缩感知（BCS）的双基地ISAR稀疏孔径自聚焦高分辨成像算法。在平动补偿后回波数据的基础上,首先构造补偿相位将由双基地角时变引起的多普勒偏移补偿掉,然后构造随双基地角变化的稀疏基矩阵,建立基于压缩感知的双基地ISAR稀疏孔径观测模型,并将相位误差作为ISAR成像的模型误差,接着假设目标图像各像元服从Laplace先验、噪声统计特性服从Gaussian分布,利用贝叶斯推理进行"分布式"迭代求解,在高分辨成像的同时实现了相位自聚焦,仿真结果验证了算法的有效性和优越性。     

基于图像卷积的地图匹配算法

地图匹配定位是一种主流的车载导航定位方法,其以车辆轨迹数据和路网地图为基础,将车辆位置估计输出到路网地图上。该过程可对车辆定位结果进行修正,是车辆导航、交通诱导、交通预测等应用的基础。针对现有地图匹配算法存在的一些问题,如算法流程依赖路口匹配精度,在较大初始误差场景下寻路正确率较低,以及寻路结果错误易影响后续匹配精度等,提出了一种基于图像卷积的地图匹配方法。利用图像卷积方式对比了车辆轨迹与道路的几何特征,以实现匹配定位,从而确保了初始误差较大场景下的匹配精度,并且避免了由寻路错误所引发的相关问题。     

广义Weibull分布参数的收缩估计

在右删失样本下,研究了双参数广义Weibull分布参数的极大似然估计。针 对在小样本或高度删失样本下参数估计效果差的问题,引入了收缩估计方法,将先验信息与 样本信息相结合,用于改善参数估计。分别在单参数和双参数含有先验信息两种情形下,给 出了分布参数的收缩估计。以定数截尾样本为例,利用Monte\|Carlo方法对收缩估计与极 大似然估计进行了比较,模拟结果表明在一定的条件下,收缩估计具有更优的统计性质。数 值算例表明,在小样本或高度截尾样本下,双参数广义Weibull分布参数的收缩估计具有较 好的效果。
     

基于知识辅助的海面目标航迹起始方法

针对海环境下不同雷达观测测量准确度存在差异而导致观测数据质量存在差异的问题,提出了一种基于知识辅助的海面目标航迹起始方法。该方法首先利用先验知识幅度信息计算幅度似然比,并以幅度似然比的大小来表示观测数据质量的高低;然后,利用幅度似然比辅助Hough空间参数积累,并对航迹初选参数进行初值修正,提高Mean Shift多尺度聚类滤波初值的准确性,减少迭代次数,再通过最优筛选的方法分析得到目标的真实航迹起始数目和航迹起始参数;最后,通过仿真数据证明了本文所提方法的有效性和优越性。     

基于代价函数的组合导航系统地图匹配算法

研究了地图匹配技术在GPS(Global Positioning System)/DR(Dead Reckoning)组合导航系统中的应用,建立了GPS/DR/地图匹配组合导航系统模型,给出了一种基于代价函数和概率统计准则的地图匹配算法,通过合理地定义代价函数有效消除了存在于匹配路段挑选过程中的模糊性问题.对实际跑车数据的仿真处理结果表明,应用该算法可以为组合导航系统的定位精度带来明显的改善.     

成败型系统可靠性增长的Bayes评估

针对成败型系统在研制阶段的动态增长的可靠性评估问题,依据前期可靠性增长试验中多阶段的试验信息和专家经验,提出了基于新Dirichlet先验分布的可靠性增长的Bayes评估方法。该方法根据已有的不同阶段试验信息,利用离散AMSAA（Army Material System Analysis Activity）可靠性增长模型描述可靠性增长试验中不同阶段可靠性的增长趋势,并对各个阶段的可靠性进行评估;针对下一阶段建立基于新Dirichlet分布的可靠性先验分布,并根据下一阶段可靠度的估计值采用最大熵模型给出先验分布参数估计;在获得现场试验数据的条件下,给出下一阶段的可靠度后验估计,并讨论不同区间范围对后验可靠性的影响。最后通过实例分析,表明相较于直接利用离散AMSAA模型和Beta先验分布,该方法在合适的专家经验的指导下能够给出更为准确的可靠性评估。     

国外新型商业对地观测系统

2014年6月10日,美国天空盒子（Skybox）公司与全球互联网搜索巨擘谷歌公司达成协议,后者将以5亿美元现金收购天空盒子公司。此次交易不仅使谷歌公司获得了自主的天基高分辨率图像和视频数据采集能力,完善其谷歌地图和谷歌地球服务,更使天空盒子公司大数据存储、处理和分布式计算能力大幅提升,推动其在对地观测数据应用与互联网技术结合浪潮中占得先机。     

面向复杂系统的三维Bayes网络测试性验证模型

针对当前武器装备复杂的系统结构,现有基于装备整机系统测试性先验信息的测试性验证方法难以适用,基于分系统测试性先验信息的测试性验证方法不能系统有效地处理先验信息,导致测试性验证结果可信度不高的问题,提出一种面向复杂系统的三维Bayes网络测试性验证模型。该模型能充分运用装备各层级结构中所蕴含的条件独立性,有效降低构建Bayes网络模型的复杂度,同时能融合装备各层级单元的先验信息。通过给出的三维Bayes网络的条件概率学习方法及G/M-H算法,由底层单元数据通过模型逐步向上融合,得到顶层测试性指标的后验分布,进一步利用顶层后验分布求取故障样本量。结果表明:该模型能充分考虑复杂系统的系统结构及各层级单元先验信息,并能通过模型推理得到的指标后验分布达到有效减少测试性验证故障样本量的目的。      

无人飞行器三维类脑SLAM自主导航方法

随着动物大脑中导航细胞的发现以及人工智能的快速发展,受动物启发的类脑SLAM自主导航方法为突破现有导航方式的瓶颈提供了新的思路。本文针对无人飞行器类脑SLAM自主导航技术的研究进展进行了综述, 包括：1）论述无人飞行器SLAM技术研究现状;2）在二维SLAM导航技术的基础上介绍了三维空间以及单一环境下的类脑SLAM自主导航方案;3）分析了二维及三维类脑SLAM自主导航方案的关键技术;4）最后对现有三维导航方案进行分析验证并指出目前类脑SLAM在无人飞行器上应用时亟需解决的问题。类脑SLAM技术不依赖于高精度传感器、对环境适应性强、自主智能性高,更加适用于无人飞行器复杂动态的飞行环境。