基于多特征尺度特征融合的航空指挥动作识别

视觉辅助引导系统(Visual aided Guide System,VaGS)是未来航空运输必不可少的重要组成部分,可以大大节省地面指挥和引导资源,提高安全性。VaGS的核心技术是识别地面指挥员手势并将其转化为指令。介绍了一种新的高效手势识别体系结构,它主要包括2个部分:(1)采用多尺度浅层结构进行特征学习,将全局身体姿态特征与局部手势特征提这两种尺度特征进行融合;(2)所提取的特征输入到超限学习机(Exteme Learning Machine,ELM)中进行分类,输出指令。实验结果表明,在自建的40个类别的航空指挥动作数据集中,准确率达到98.5%,单帧用时0.13 ms。     

超声速喷流激波噪声基础问题数值模拟研究进展

超声速喷流问题是一个包含激波、旋涡、湍流和声波的多尺度复杂流动问题,其数值模拟方法及激波噪声产生机制是相关研究的长期热点和难点。本文简要回顾了超声速喷流激波噪声研究进展,重点介绍了针对激波噪声计算方法的非物理噪声消除技术和光滑因子设计准则,针对超声速喷流激波噪声研究设计的模型问题（包括旋涡–旋涡相互作用、激波–旋涡相互作用和激波–剪切层相互作用等）,以及轴对称和三维超声速喷流的研究进展。本文还介绍了作者最近针对超声速喷流开展的三维直接数值模拟、实验验证工作和初步分析结果（包括轴对称模态定位、束缚波演化和摆动模态发展等）。     

小天体光学导航特征识别与提取研究进展

针对小天体探测自主光学导航特征信息精确,快速获取的需求,阐述了利用图像信息实现光学导航特征识别与提取的必要性。首先分析了小天体光学导航特征识别与提取面临的主要问题;然后根据小天体探测各阶段目标成像特点,总结并分析了小天体探测光学导航特征识别与提取涉及的关键技术;最后,根据关键技术结合现有问题和未来发展需求,分析并对未来小天体探测光学导航特征识别与提取的发展趋势进行了展望。     

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.      

基于轨迹特性的中段目标识别方法

针对中段弹道目标群运动时的真假目标识别问题,提出一种基于轨迹特性的弹道目标识别方法。该方法通过雷达观测数据还原出弹道目标运动轨迹,根据轨迹交点个数判断诱饵是单次还是多次释放模式,分别提出基于弹道参数和权值交点的识别途径,结合雷达观测弹道目标数目,归纳了基于轨迹特性中段弹道目标综合识别策略。仿真实验表明该方法的正确性并分析了雷达测量误差及布站位置等因素对识别结果的影响。     

基于动态模糊观测器的故障诊断方法研究

研究了T S模糊系统中存在未知输入、多重故障时的诊断问题,提出了基于动态模糊观测器的诊断方法。仿真结果表明,该方法推理简单,解耦多重故障准确有效。     

基于多级模糊综合评判的雷达网目标识别技术

由于目前的战场环境非常复杂,目标识别具有重要意义。有关雷达的基于模糊综合评判的目标识别技术目前研究比较多,通过类似的方法可以进一步进行雷达网的目标识别,即采取两个单级模糊综合评判方法进行雷达网的目标识别,但这种方法具有一定的弱点,文中根据雷达网探测目标的特点,提出了一种基于多级模糊综合评判的雷达网目标识别方法。对这种方法与雷达网基于两个单级模糊综合评判进行目标识别的方法进行了仿真比较,结果表明前者较之后者具有计算量小、识别精确、便于工程应用的特点。     

自识别自校准Kalman滤波方法

在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

宇航元器件应用验证项目风险分析及应对策略

应用验证项目是一类高风险项目,在项目全面开展前有必要对其风险管理进行全面研究分析。本文基于应用验证项目的独特属性,分析了应用验证项目的风险结构,提出以集成管理信息系统为基础、以二维法为基本方法的动态风险识别技术,对应用验证项目的风险进行了识别,明确了项目主要风险和典型风险事件,并经特性分析和应对措施研究,提出了风险应对建议,对后续项目风险管理具有指导意义。