基于穆迪图表法改进的AHP目标排序

在登陆作战敌滩头目标数量众多时,对目标排序再进行火力打击是登陆作战中必须解决的问题。运用穆迪图表法改进的层次分析法较好的解决了决策过程中的目标排序问题。     

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊 观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概 率假设密度(probability hypothesis density,PHD)粒子滤波方法。这种方法首先利用 粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就 是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理 后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多 目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能 好于去模糊情况。     

热屏绝热型热流计可行性分析

热平衡试验是航天器热控设计的重要环节,外热流模拟和测量是热平衡试验的两个关键因素。两者的不准确将给热平衡试验带来不可预估的影响。因此热流测量技术是热平衡试验的关键技术之一。目前使用的热流计测量低热流密度时存在较大误差,为此研制一种高精度热流计——热屏绝热型热流计来测量热流。该热流计主要包括敏感面和热屏两部分。敏感面用来测量热流,热屏则为敏感面提供一个绝热环境。其关键技术是在热屏和敏感面充分隔热的基础上,采用跟踪控温的方法使热屏和敏感面的温度相同,从而使两者之间的热交换可以忽略。文章利用热分析计算分析了该热流计其敏感面和热屏的等温性能满足热流测量要求;并利用试验证明了跟踪控温技术可行,热屏和敏感面温度一致,从而说明了该热流计测量热流的可行性。     

一种二维耦合模型机动目标跟踪算法

针对雷达跟踪固定翼飞机的单目标跟踪问题,提出了一种新的二维耦合运动模型。该方法把切向加速度和法向加速度作为状态变量,给出了切向加速度和法向加速度为常值时解析计算状态转移的方法。该模型可以较好地一步预测目标加速度的变化,而且法向和切向加速度的过程噪声可以分别设置。利用该耦合模型的滤波方法,显著地改善了滤波效果,尤其是对加速度的估计。     

一种无人驾驶直升机天线跟踪系统的研制

保证天线跟踪系统的正确跟踪指向是无人驾驶直升机遥测遥控系统可靠工作的关键技术问题.详细论述了一种无人直升机天线跟踪系统的设计及其实现,并讨论了其跟踪精度、可靠性、跟踪模式,以及针对直升机的特殊问题采取的方案.相对于圆锥扫描跟踪体制的系统,本系统设备简洁、高效、可靠、成本低,同时又能够满足系统的性能要求,适应车载移动地面站安装使用.该系统参加了多次飞行试验,系统工作稳定,并完成设计定型.      

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

一种小天体旋转参数估计方法

小天体旋转参数是科学数据,也是小天体测绘,着陆导航的基础数据.研究一种在小天体探测接近段过程中使用的基于图像上特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法.该方法首先建立小天体旋转关系模型,表示小天体在相机坐标系中的姿态变化;然后定义小天体旋转的状态方程,推到了扩展卡尔曼滤波器的计算过程.通过对观测图像序列上的特征点跟踪,利用扩展卡尔曼滤波器方法得到小天体旋转轴指向和自转角速度估计.实验中,在仿真相机与小天体相机100 km距离上,分析了相机坐标系小天体坐标系之间的四元数初值,图像上特征点跟踪精度,相机的观测指向等因素对小天体旋转参数估计精度的影响.实验结果表明,提出的基于图像特征点跟踪和扩展卡尔曼滤波器的小天体旋转参数估计方法能够得到具有较高精度的估计结果.     

视觉测振技术在柔性太阳翼模态试验中的应用

针对8 m×5 m的柔性太阳翼在倒立状态下进行模态试验,设计数字摄像视觉测振系统,基于图像特征跟踪法实现了从相机标定、图像采集、信息提取到三维振动数据获取的过程,通过工况模态辨识方法获取了柔性太阳翼模态频率及振型等动力学参数。并考虑空气和重力影响建立太阳翼有限元模型,通过与基于基恩士激光位移传感器的传统模态试验结果及仿真分析结果进行对比,验证了基于视觉测振工况模态试验方法的准确性,为柔性太阳翼在轨模态辨识奠定基础。     

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。     

基于分数阶理论的铁路基础设施形变监测数据分析与挖掘

北斗高精度定位系统因噪声等因素会产生一定范围内的随机误差,这导致传统模型难以直接对监测数据进行精准分析,因此提出基于分数阶理论的北斗监测数据分析方法,从数据整体趋势角度挖掘铁路基础设施形变演化规律。首先,给出分数阶分析方法的理论框架,并对基础理论进行详细介绍;其次,提出利用α稳定分布对原始数据进行概率密度拟合,实现数据的非高斯特性估计;再次,通过长程相关特性和多重分形特性挖掘隐藏在监测数据中的深层次趋势特征,从数据分数阶特性维度分析未来变化趋势;最后,所提分析方法应用于国内某重载铁路的基础设施形变监测,实验结果表明所提出的分析方法能够在噪声干扰下实现北斗监测数据的精准分析,能够对各组监测数据的演化规则和铁路基础设施形变程度进行精准判别。