基于Hausdorff距离的反舰导弹目标选择方法

如何从舰艇编队中选择预定目标,是超视距反舰导弹亟待解决的一个问题。文章基于Hausdorff距离的部分匹配理论研究了这一问题。火控雷达探测到的编队信息和末制导雷达探测到的编队信息都用点集来描述,通过点集形状匹配获取这两个点集的对应点,从而实现对预定目标的选择。重点提出了一种新的部分匹配途径,能够自适应地逐个剔除引起形状不相似的外部点而同时保留两个形状的相似部分。仿真试验表明,相比以往基于编队相互位置关系的方法,论文所研究的预定目标选择方法具有更好的抗干扰能力。     

飞行器组网多维地磁匹配的相关度算法

地磁匹配导航技术是跨海飞行器的自主导航方式之一。海洋磁场强度平滑、区域变化较大的特点,使得飞行器一维地磁匹配方法难以应用于飞行器自主导航。在跨海飞行器组网条件下,讨论了多维地磁匹配相关度算法,并仿真计算了多维地磁匹配相关度的匹配时间、匹配概率,计算表明多维地磁匹配相关度算法优于单航迹匹配相关度;在相同概率下区域内370 m×370 m网格匹配时间短、匹配概率高。飞行器组网多维地磁匹配的相关度算法研究为海洋区域地磁匹配导航应用提供参考。     

舰载武器捷联惯导速度匹配传递对准技术研究

速度匹配传递对准受船体变形影响小,对准精度高,是舰载武器常用的传递对准方法之一。模拟实船情况,对速度匹配传递对准性能进行了深入仿真研究。研究结果表明：（1）速度匹配传递对准不易受船体变形影响。（2）舰船航向机动有助于提高速度匹配传递对准性能。舰船在匀速直航状态下,水平姿态角对准精度能达到0.4＇,方位姿态角对准精度2′左右。等效北向陀螺漂移的估计精度能达到80%,等效东向陀螺漂移和加速度计零偏无法估计。舰船在转弯状态下武器惯导各误差量估计精度和估计速度都有所提高,等效东向陀螺漂移和加速度计零偏能够估计出来,估计精度达90%以上。（3）基准信息阶跃变化会干扰速度匹配传递对准性能,引起姿态角估计误差。     

升力风扇和涡扇发动机组合动力系统性能模拟与分析

基于部件匹配和多设计点分析技术,发展了加装升力风扇的涡扇发动机性能计算模型.以F135涡扇发动机为例,对模型的可靠性进行了验证.数值模拟结果表明:升力风扇不工作时,涡扇发动机性能模拟与常规涡扇发动机是一致的,当升力风扇工作时,若实现低压涡轮与涡扇发动机风扇、升力风扇工作点的匹配,不仅需要调节尾喷管喉道面积,而且可变外涵道出口面积、低压涡轮导向器喉部面积也需要调节.基于该模型,可以进行带升力风扇的涡扇发动机循环参数匹配和不同任务状态的性能分析.      

一种基于模板匹配的目标识别方法

在基于模板的目标识别方法中,模板的精度是一个关键问题。由于合成孔径雷达成像机理的原因,在SAR图像中会出现迎坡缩短、顶底倒置和遮挡等现象。因此,SAR图像中的目标形状与一般光学图像中的不同。在进行模板匹配的过程中,其模板也会有相应的变化。针对该问题提出一种目标识别方法,使用新的模板生成方式,即利用OpenGL技术并根据特定目标模型生成符合SAR图像特征的目标模板,这是一种基于模型的识别方法。使用MSTAR提供的数据对该方法进行验证,试验结果证明了方法的有效性。     

基于SIFT特征的三线阵CCD影像立体匹配

尺度不变特征变换(Scale Invariant Feature Trans form,SIFT)描述符具有对影像尺度、亮度、旋转、平移、微小仿射的不变性,并有稳定性高、速度快、鲁棒性强等优点,已被成功的应用到了很多领域。文章利用SIFT描述符对三线阵影像提取特征点、匹配,对其在立体匹配中的适用性进行初步研究,结果表明SIFT特征匹配可以有效用于三线阵影像匹配工作。     

行星表面陨石坑检测与匹配方法

 针对深空探测器光学导航技术的需要,提出了行星表面陨石坑导航路标的提取与匹配方法。陨石坑是行星表面最显著的地形特征,在光照条件下,陨石坑具有清晰的几何轮廓。结合光照方向,通过陨石坑边缘的检测、边缘配对以及形状参数拟合等处理实现陨石坑的提取。对检测出的陨石坑,基于平面二次曲线的几何不变特性,采用投票策略实现与陨石坑数据库的匹配,并设计陨石坑误匹配及失配的校正策略,从而有效地确定陨石坑在目标天体表面的全局位置。最后通过嫦娥一号获得的目表图像验证了所提方法的有效性和可行性。     

静电纺丝细流踪迹图像采集方法研究

介绍了对高场强中的纺丝细流以＂爆炸＂方式喷射所形成的踪迹图像进行高速采集的方法。选用逐行扫描方式的全帧转移型高分辨力面阵CCD摄像机与能够在极短时间内（1/100000 s）完成单场图像采集的采集卡,可以获得十分清晰的高速踪迹图像。     

基于特征图形匹配法的高效星图识别方法

针对目前星敏感器使用的星图识别算法存在的冗余匹配、匹配时间长、识别率低等缺点,对星图识别算法进行了研究,提出了一种高效星图识别方法。该算法首先对传统星表进行处理,取出冗余信息,重新分配天区,使每个天区的导航星数目均匀,将分区以及处理后的星表信息重新存储并作为导航星库,然后通过对拍摄的图像进行处理并提取特征信息,与导航星库中的特征信息进行匹配,从而改善传统星图匹配算法出现冗余匹配、匹配时间过长及识别率低等缺点。完成算法设计后,选取视场为15°×15°的大视场星敏感器,对该算法进行仿真验证分析,可以发现该算法可以实现部分天区与拍摄星图匹配时间在20ms以内,全天区星图的识别和匹配时间在15s以内,识别率达到98%以上,印证了该算法可以提高识别的成功率并且缩短识别时间,使识别算法具有高效性。     

复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。