跟踪飞机机动的自适应滤波方法

本文研究了对目标机动的最优检测问题,针对飞机主要有三种飞行状态:匀速直线运动、加速直线运动与圆运动这一特点,提出了既探测飞机机动又同时判断飞机作何种形式的机动的方法;并建议对飞机的不同飞行状态,采用相应的动态模型。在此基础上,给出了自适应滤波方法。最后给出的仿真计算果表明,自适应滤波方法有较高的跟踪精度。     

面向运动目标捕获的低轨卫星视场幅宽研究

通常低轨卫星过顶时间较短,而目标运动随机,因此捕获运动目标是较为困难的,只能通过长期的时间累计来提升捕获概率。文章基于目标运动速度、出动频率、全球分布位置,卫星工作寿命、视场幅宽、轨道重访频次和时长等复杂因素,给出了卫星过顶遭遇目标的概率计算方法。然后根据概率计算结果,提出了实现0.99的遭遇概率要求卫星视场幅宽的下限。研究结果可为论证面向运动目标探测的低轨卫星视场幅宽需求提供借鉴。     

关于低RCS目标外形优化中目标函数的确定

在分析了低RCS目标外形优化中现有的两种目标函数的局限性的基础上,根据雷达检测概率与目标RCS分布之间的关系,提出了一种新的目标函数,即目标在威胁区域内其RCS大于规定的临界RCS的概率。算例表明本文所提出的目标函数比现有的目标函数更为有效,适用范围更广。为低RCS目标外形优化设计以及气动与隐身一体化设计提供了一个合理而有效的目标函数。     

一种基于贝叶斯估计的高分辨目标定向新方法

提出一种高分辨方位估计新方法。它是建立在阵列输出信号和噪声参数联合后验概率密度基础上的空间谱估计。仿真结果表明,该方法具有以下几个显著的优点：①极高的空间分辨率和估计精度;②可解相干源;③低信噪比、少快拍数的情况下很有潜力;④可以估计不同方向目标源的能量;⑤具有较好的工程应用前景。该方法和ＭＵＳＩＣ方法的性能进行了比较并给出计算机仿真结果。     

雷达目标跟踪中的非线性滤波技术

对雷达目标跟踪中的9种非线性滤波技术进行了综述,介绍了其基本思想,分析了各方法的优缺点并进行了比较。     

高超声速滑翔飞行器多模型鲁棒跟踪方法

针对高超声速滑翔飞行器（HGV）具有机动能力强、机动样式多变、机动时机不确定等特点,提出了一种基于有向图变结构多模型的鲁棒跟踪（CHF-DSVSMM）方法。考虑到高超声速滑翔飞行器的跳跃滑翔运动特性,建立了包括自适应非零均值衰减震荡（ANMDO）模型、“当前”统计模型（CSM）等机动模型的模型集。针对固定结构多模型算法存在模型相互竞争、运算时间长的缺点,设计了基于有向图结构的切换准则自适应地改变模型集构成,提高模型匹配性。对于地基雷达探测中存在闪烁噪声的问题,采用容积Huber-based滤波方法进行状态估计。仿真结果表明,所提算法与现有方法相比具有更高的跟踪精度,并对闪烁噪声具有良好的鲁棒性。     

混合高斯测量噪声下的多模型滤波

就带有混合高斯测量噪声的离散时间系统 ,提出了一种简化的多模型滤波。理论分析证明该滤波方法用较少的计算量得到了与交互多模型滤波相同的估计性能。为满足应用要求 ,给出了该滤波器的数值鲁棒实现方法。一个关于仅有方位测量的制导例子验证了该滤波算法的有效性。     

基于剪枝和去噪的航空发动机故障图像识别与预测

航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响。因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%～10%,在检测效率上提高6%～20%。     

关于加强高校网络思想政治教育的理论探讨

网络信息技术的快速发展,为高校思想政治工作提供了新的手段,极大地拓展了思想政治工作的空间和渠道。思想政治教育工作者有必要深入研究学生思想活动的新情况、新特点,充分发挥网络信息技术的优势,创新思想政治工作的方法、形式和手段,进而完善高校思想政治工作体制。     

多传感器协同识别跟踪多目标管理方法

针对被跟踪的目标中存在虚假目标的问题,首先建立基于风险理论、贝叶斯理论和证据理论的目标识别模型,在此基础上考虑边跟踪边识别的情况,建立同时考虑目标跟踪和识别性能的风险函数模型。在模型求解过程中,提出一种基于多Agent分布计算理论的分布式算法。仿真实验结果表明:目标识别框架下能够对目标有效识别并及时停止对虚假目标跟踪;提出的传感器方案求解算法具有较好的求解质量和较快的求解速度;本文传感器管理方法能够避免传感器资源浪费,提高对真目标的跟踪效果。