一种改进的观测器算法在制导中的应用

研究了导弹视线角和视线角速度可测情况下的制导信息估计问题,给出了一种改进的CB观测器(Cost-Based Observer)设计算法。基于非线性平面拦截模型,将目标机动看作一阶马尔可夫过程建立了制导信息滤波的非线性状态方程并将其化为SDC模型。针对系统能观性不足问题,提出了多状态相关系数矩阵加权组合的方案对CB观测器进行改进。并将其用于估计弹目相对距离、相对速度和目标机动加速度,利用估计的制导信息进行制导计算并与制导信息完全可测情况进行比较研究。最后,采用比例导引律进行仿真,结果表明本文所设计的观测器估计精度较高,且能满足制导性能要求。     

红外前视对一类特殊建筑目标识别技术研究

针对电厂冷凝塔一类具有建筑规范的特殊建筑物,尝试在缺少其它基础地理数据保障的条件下,通过对冷凝塔外形的参数建模生成不同视点的参考图。在此基础上,针对红外／可见光多模图像匹配的特点,对自动目标捕获方案中模板匹配的相似性测度计算方法进行了研究。提出了基于梯度矢量相关系数的计算方法,将梯度信息作为红外／可见光多模图像的共性特征,匹配方案中不仅利用了图像点的梯度值,还充分考虑了该点的梯度方向信息。大量试验结果表明,该方法在识别性能上优于传统的灰度或轮廓匹配算法,匹配性能有较大的提高。     

一种改进的空间目标高速运动补偿方法

空间目标的高速运动会使得一维距离像产生畸变,因此高速运动补偿是空间目标高分辨雷达成像的关键步骤。基于线性调频信号模型,研究了高速运动对一维距离像产生的畸变影响,并通过定义一维距离像熵函数,将黄金分割优化搜索理论引入本文,提出一种实用高效的高速运动补偿方法,并将该方法移植到雷达信号处理机上,对大量实测高分辨雷达空间目标数据进行了处理。结果表明本文方法有效地补偿了高速运动对空间目标高分辨成像的影响,使得空间目标高分辨成像质量有了较大提高;且该方法计算量不大,满足实时ISAR成像的要求。     

基于顶点与主体区域同步检测的精准车牌定位

为应对非约束环境下的车牌精定位问题,提出一种基于顶点局部区域与主体区域同步检测策略的非约束性车牌定位算法。通过删减YOLOv5网络的输出结构,训练得到可同步检测车牌及顶点区域的车牌检测网络,在兼顾精度与计算速度的前提下,实现车牌顶点和主体区域的同步定位。针对一幅图中存在多个车牌区域及顶点区域存在少量漏检和误检的情况,分别设计了车牌顶点归类和单一缺失顶点预测后处理算法,借助顶点间的空间位置关系进行漏检目标预测和误检目标排查,有效改善了因场景复杂导致的个别顶点目标检测效果差的问题。所提算法在中国城市停车场数据集(CCPD)上的测试结果显示,平均精准率达99.25%,平均召回率达98.70%。所提算法不仅能够准确预测出车牌的4个顶点坐标,而且在中端GPU硬件平台上处理速度可达121帧/s,具有较好的应用价值。     

基于协同滤波轨迹预测的机动目标RTPN拦截制导律

针对当前空中威胁目标拦截的实际需求,结合拦截器本身的机动能力,基于全覆盖协同策略,提出一种协同探测的现实真比例导引律（RTPN）制导拦截方法。所提方法解决了传统RTPN方法未考虑拦截器饱和过载限制及对任意机动目标捕获区域的确定问题。此外,针对拦截过程中对目标运动轨迹测量误差及协同探测数据丢包所引起的数据融合精度和鲁棒性问题,提出一种分布式协同滤波算法;针对数据传输和拦截器本身动力学响应延迟等问题,提出一种航迹预测算法。仿真结果验证所提方法能够有效解决饱和过载下的捕获区域确定及动力学延迟问题,及协同探测数据融合中数据丢包所引起的鲁棒性和精度问题。     

语言引导的多粒度特征融合目标分割方法

语言引导的目标分割旨在将文本描述的目标与其所指代的实体进行匹配,从而实现对文本、实体之间关系的理解与指代目标的定位。该任务在信息抽取、文本分类、机器翻译等应用场景中具有重要的应用价值。基于Refvos模型提出一种语言引导的多粒度特征融合目标分割方法,能够对特定目标精准定位。利用Swin Transformer和Bert网络,分别提取多粒度的视觉特征和文本特征,提高对整体与细节的表征能力;将文本特征分别与不同粒度视觉特征进行融合,通过语言引导增强特定目标表达;通过卷积长短期记忆网络对多粒度融合特征进行优化,在不同粒度特征间进行信息交流,得到更精细化的分割结果。在UNC、UNC+、G-Ref、ReferIt数据集上进行训练并测试所提方法。实验结果表明：相比Refvos,所提方法在UNC数据集的val、testB子集中IoU结果分别提升0.92%、4.1%,在UNC+数据集的val、testA、testB子集中IoU结果分别提升1.83%、0.63%、1.75%。所提方法在G-Ref、ReferIt数据集的IoU结果分别为40.16%和64.37%,达到前沿水平,证明所提方法的有效性与先进性...     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

非合作无源探测中的假设检验弱目标检测方法

在非合作无源探测系统中,弱目标回波不仅会受到强直达波、强多径的干扰,还会受到强目标的掩盖干扰,因此很难对其进行有效检测。为了解决这一问题,提出了一种基于多择复合假设检验的弱目标检测方法。首先将接收信号投影到多径干扰的正交补子空间内,以消除强直达波和强多径干扰,然后将目标检测看作一个多择复合假设检验问题,建立了与之相应的基本框架模型,利用最大后验估计方法对目标时延、多普勒频移及信号幅度等参数进行估计,构造检验统计量,设置相应的门限,根据假设检验结果,逐个消除强目标干扰从而达到检测弱目标的目的。仿真结果表明,本方法可以有效抑制强直达波、强多径及强目标干扰,有效检测出弱目标,且虚警率低。     

宽带认知雷达低峰均比波形快速设计算法

发射波形设计是宽带认知雷达系统的关键技术。为了提高宽带认知雷达系统对距离扩展目标的检测性能,建立了目标检测模型,分析了系统的检测性能,在此基础之上研究了基于最大输出信干噪比(SINR)的低峰均比(PAR)波形设计算法。通过将原波形优化问题等效为接收权值与低峰均比波形的联合优化问题,同时利用循环优化的思想,提出了一种低峰均比波形快速设计算法。相比于现有的梯度法以及凸优化算法,该算法所设计的恒模波形信干噪比与二者相当,但算法实现难度明显变小,计算复杂度明显降低。仿真结果证实了算法的有效性。     

空间非合作目标惯性参数在轨辨识

在空间冗余机械臂抓捕非合作目标的惯性参数辨识问题中,已有方法大都基于系统动量已知的假设,且辨识过程未考虑基座姿态稳定。针对目标动量未知的问题,设计了具有增量形式的惯性参数分步辨识算法。首先基于线动量方程得到关于质量和质心位置的第一组估计方程,采用增量形式消除未知线动量更新估计方程。辨识结果收敛后根据估计参数计算线动量估计值,代入以转动惯量为未知参数的第二组估计方程中,利用其增量表达式完成对转动惯量的估计。辨识过程中的激励由自适应零反作用控制输入提供,算法在保证基座姿态不受干扰的同时还能对惯性参数精确辨识。仿真结果表明,在30s以内算法已收敛,误差收敛到零的同时,基座姿态角速率控制精度在10^-3以下,说明算法收敛快,精度高,同时还能实现基座姿态稳定。