基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。     

对数极坐标变换识别算法在成像制导中的应用

图像匹配是成像制导系统中常用的目标识别算法，但实时目标图与基准目标图存在的尺度差异以及旋转不可避免，这也导致失配率提高。针对这个问题，引入对数极坐标变换运算，根据对数极坐标图像的尺度、旋转不变性提出了新的目标匹配识别算法，一方面保证了在尺度变化及旋转下的高匹配率；另外新算法结合了变换图目标区域的轴向投影统计策略，保证了匹配运算量的降低；文中仿真实例验证了算法的优势与有效性。     

一种基于DPCA的星载SAR运动目标检测方法

文中研究星载条件下用DPCA检测地面慢速运动目标的SAR-GMTI技术,提出一种对杂渡抑制以后的原 始数据应用Radon变换来检测运动目标的新方法。与基于图像域的DPCA运动目标检测方法相比,该方法不需要方位 压缩,因而减小了计算负荷,但没有损失目标检测性能。此外,该方法更加清楚地显示出杂波对目标参数估计的影响,可 为进一步研究提供思路。仿真结果证明这种方法的正确性和有效性。     

STSS红外传感器探测性能分析

随着导弹防御系统的发展,弹道导弹突防将受到更大的威胁,而弹道导弹中段是攻防对抗集中体现的区域。本文针对空间跟踪与监视系统(STSS),通过预估其红外传感器的关键性能参数,对其中段目标探测能力进行了分析,结果表明STSS将对弹道导弹突防构成严重威胁。     

集成式随动装置目标引导信息动态校准方法研究

光电对抗系统在机动状态下搜索和跟踪目标时,必须用位置陀螺代替码盘来确定目标方位角。但是,由于搜索轴陀螺存在漂移和累积误差,导致跟踪转台按照引导信息调转到位后目标无法进入跟踪视场,而且陀螺的漂移和累积误差是随时间和温度非线性变化的,很难直接进行修正。为了解决这个问题,提出了一种对引导信息进行间接动态校准的方法。     

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点,传统的雷达目标检测技术无法实现,人工智能技术的出现,其在目标识别和特征提取方面的独特优势,使得强杂波背景下的目标检测成为可能,利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近,实现了对海杂波的非线性预测,提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法,使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

基于浮标平台的反舰导弹过靶实况观测系统研究

根据弹靶遭遇实况观测领域存在的问题,提出了一种基于便携式小型浮标平台的过靶实况观测系统,设计了系统总体方案,阐述了系统工作模式,分析了系统观测能力,并对其关键技术进行了论证研究。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

卫星控制系统多转台多模拟器半物理仿真方法

卫星控制系统半物理仿真是在实验室中模拟卫星在轨道上运动特性的一种试验方法 ,它通常用于验证卫星控制系统方案和性能指标。卫星控制系统半物理仿真包括将硬件接入路的卫星动力学仿真和运动学仿真。仿真计算机计算卫星的动力学和运动学方程 ;转台模拟卫星在空间的运动 ;目标模拟器用来模拟作为卫星姿态敏感器的参考目标 (太阳、地球和恒星等 )的环境特性。为了将控制系统硬件接入试验路 ,必须适当地处理一系列的关键技术。卫星控制系统多转台多模拟器半物理仿真方法适用于带有多种敏感器的复杂卫星仿真。