基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

基于CNN机翼气动系数预测

随着机器学习的快速发展和其突出的非线性映射能力,越来越多的学者将机器学习方法应用到流体力学领域。为克服传统数学拟合不能很好的解决系统非线性问题,以及现有文献中所提及的一些基于神经网络的气动参数预测方法,需要进行参数化处理而带来的不便,同时为实现多变量多输出气动参数快速预测的目的,基于卷积神经网络考虑机翼变迎角和浮沉建立了一种多变量多输出的机翼气动参数预测模型,实现了机翼气动参数的快速预测。结果表明：所建模型具有较高且稳定的预测精度,并且计算效率较计算流体力学(CFD)提高了40倍。     

脉冲爆震发动机部分填充效应理论分析

为了研究脉冲爆震发动机的部分填充效应,建立了不依赖于实验数据的通用理论分析模型。将该理论模型得到的计算结果与实验数据进行对比,误差在15%以内。并应用该模型进行了一些算例计算,计算结果表明:部分填充能显著增加比冲,理论比冲最高能接近600s;比冲增益随填充系数的减小而增大,最后趋于某一上限值,计算中,该上限值最高达到4;采用氧气作氧化剂时不仅比采用空气作氧化剂时的比冲更高,而且比冲增益也更大;不可燃气体密度越大,部分填充产生的比冲增益越大;背压降低,部分填充产生的比冲增益也随之减小。     

面向天基监视的红外弱小飞行目标识别算法

针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法。检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框（anchor）大小的选取更加合理。在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感。改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响。仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13%,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3%,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率。     

基于频带相关性Deep Learning的无线通信干扰智能识别

近年来,随着无线通信技术在军事领域的发展及各类无线通信装备数量的增加,战场电磁环境变得越来越复杂,其要求通信系统具有更强的抗干扰能力,而智能干扰识别是抗干扰的前提.基于传统机器学习的各类干扰识别算法存在干扰前期特征提取繁杂、低干噪比(JNR)下识别正确识别率低的问题.本文针对上述问题,引入了并行多路多尺度卷积,通过增加...     

基于逐步回归的模型误差估计及在天基测控系统中的应用研究

以双星定位系统的天基测控技术为应用背景,提出了一种能够自适应估计模 型误差的轨道确定方法。详细推导了观测模型中的系统误差形态,建立了能表征实际特征的 部分线性轨道改进模型,并利用二阶段法和核函数估计法对混合误差进行补偿,在此基础上 对补偿模型进行逐步回归分析,从中提取动力学模型误差,从而抑制了动力学模型误差的影 响,提高了轨道改进的精度。在本文的仿真环境下,部分线性轨道改进法能够有效抑制混合 误差对定轨精度的影响,提高天基测控的轨道确定精度。     

高性能串行维特比译码器的设计

卷积纠错编码广泛应用于各种通信领域,包括无线通信、视频点播等。如何来设计高性能的维特比译码器将最终决定一个通信系统的抗误码性能和数据纠错性能。本文提出了一种实用的设计思路,在ALTERA公司的STRATIX系列FPGA上实现了超过256kbps信源速率的全串行(2,1,7)维特比译码器。     

一种改进的声反卷积相关声源定位方法

基于传声器阵列的声源定位算法的性能优劣决定了气动噪声试验检测中气动噪声源定位成像的准确性。为了提高相关声源定位方法的稳健性和准确性，提出一种改进的声反卷积相关声源定位方法——D-MACS（Developed-Mapping of Acoustic Correlated Sources）方法。该方法的特点是：在传统MACS方法的基础上，将声反卷积模型进行改进，使模型体现出声场空间扫描点声压互谱矩阵与互谱波束形成输出矩阵之间的数学关系，其最终获得的声源定位结果，能够提高MACS方法声源定位辨识的稳健性和准确性。通过仿真信号研究和声学风洞环境中的声源定位试验研究，比较了DAS（Delay And Sum beamformming）、DAMAS-C（Deconvolution Approach for the Mapping of Acoustic Correlated Sources）、MACS和D-MACS这4种方法的声源定位性能，验证了D-MACS方法在声源定位性能上的优势。