基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。      

复杂背景下目标散射信号测量与提取技术

在复杂环境条件下的宽带雷达目标散射特性测量中,场地周围环境产生的零多普勒杂波（ZDC）会严重影响目标测量数据的准确性。为了有效地抑制背景杂波、提高目标散射信号的测量精度,提出了一种基于最大概率提取技术。该技术首先通过方位滑窗平均得到每个频点的初始固定背景杂波估计,然后对每个频点的杂波初始估计进行统计直方图处理得到最大概率幅度统计量,并依据该统计量完成门限处理得到最终的杂波估计值,从而消除方位滑窗平均处理中的剩余目标信号分量、实现精确的背景提取与抵消。对典型目标的外场测量数据处理结果验证了本文方法的有效性。      

飞机隐身技术综述

本文根据最近几年有关部门对降低军用飞机雷达散射截面(RCS)的研究,对飞机隐身技术的问题作了综合性评述。全文分为二部分,第一部分为飞机隐身技术的发展概况,第二部分概括介绍各种飞机隐身技术的基本内容,最后论述了飞机隐身技术与飞机设计之间的密切关系。     

关于阵列式雷达目标模拟器的理论分析

本文权述了阵列式雷达目标模拟器的基本原理。根据模拟目标与实际目标在接收处的反射场及视在中心均应相同的关系导出了三元阵三个阵元的调制信号,并指出这种射频目标仿真既适用于单站情况,也适用于双站情况。     

考虑失效性故障的火星探测器进入段姿态容错控制

火星进入过程中的故障和外部干扰不可避免地降低了火星进入制导和控制算法的性能。利用反步法设计了一种对转动惯量信息变化不敏感的火星进入姿态容错控制算法。首先,将虚拟控制律的微分量视作干扰量,利用自适应技术对其进行补偿,避免了传统反步法微分爆炸的缺陷。同时,控制设计过程中显式地引入了饱和函数,保证了在存在输入饱和的情况下,控制律仍然能使得探测器姿态保持稳定。最后,以“火星科学实验室”探测器为模型进行了数值仿真验证,结果表明该控制律在存在输入饱和约束、转动惯量不确定性、执行机构部分失效甚至完全失效的工况下,仍然能够完成对姿态的精准跟踪。     

拖靶系统挂机安装角度计算

拖靶安全释放是拖靶系统正常执行任务的前提,拖靶挂机安装角度的优劣直接影响着拖靶的安全释放.依据拖靶释放特性建立了拖靶系统动力学模型,提出了拖靶安全释放的条件,给出了拖靶挂机安装角度的计算方法;通过实例对方法的正确性进行了验证,其结果直接应用于某新型拖机改装试验中,取得了满意的效果.     

利用幅值信息的超视距雷达多路径概率数据互联算法

天波超视距雷达是通过电离层反射实现超视距广域监视的,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个量测模型。多路径概率数据互联(MPDA)滤波器将坐标配准与概率数据互联相结合,解决了超视距目标跟踪中的多路径传播问题,但在杂波环境下滤波跟踪精度不高。文中提出了一种基于信号幅值特征信息的MPDA算法(A-MPDA),当跟踪单一的、存在4种可能非线性量测的非机动目标时,仿真结果表明所提出的算法比标准MPDA有更好的跟踪精度。     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。