进动弹道目标平动补偿与分离

弹道目标在中段高速运动时会造成微多普勒曲线的叠加折叠,此时传统的平动补偿方法并不适用于弹道目标。在分析进动锥体弹道目标各个散射点的频率特性后,发现曲线交点处的频率完全是由平动引起的。根据这一特性,提出一种利用时频图交点信息进行平动补偿的方法。首先,得到回波信号的时频骨架图;然后,采用基于双边滤波器的Harris角点检测方法提取出时频骨架中的角点进而得到时频图中的交点坐标;最后,利用交点坐标估计出平动参数进行平动补偿。针对传统Viterbi算法在曲线交点容易产生错误关联的问题,提出一种利用交点信息的分段Viterbi算法对补偿后的时频曲线进行分离。仿真实验验证了所提方法的有效性。      

空间目标的ISAR成像及轮廓特征提取

空间目标的逆合成孔径雷达（ISAR）成像由于受自身遮挡及噪声干扰等影响,导致生成的ISAR像难以直接进行图像分析及目标识别。由此,以空间目标的ISAR成像建模为基础对ISAR像处理及特征提取展开了研究。首先,分别建立了目标卫星的ISAR成像模型、ISAR信号模型及ISAR图像函数提取模型,并经过旁瓣抑制与相干斑滤波等初步处理得到了目标卫星的ISAR像。其次,采用Otsu算法、canny算子及Hough变换使卫星旋转至最长轴平行于像平面横轴,通过闭运算填充卫星内部孔洞,去除外部孤立噪声,并基于连通域思想分割出卫星所在子区域,实现了卫星的轮廓提取。所设计的图像处理算法能有效改善ISAR像质量,提取的卫星轮廓线能较好地勾勒出目标卫星的外形结构,为进一步展开卫星的识别工作奠定了重要基础。      

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

俄罗斯酝酿制定金星探索计划

俄新社网站2020年1月31日报道,俄罗斯拉沃奇金科研生产联合体首席工程师Dmitry Khmel表示,俄罗斯国家航天集团公司(Roscosmos)正在酝酿于2020—2021年制定金星探索计划。该计划可参考已经成型的俄罗斯月球开发计划,并应包括曾在《2016—2025联邦航天计划》中出现的金星-D(Venera-D)任务。根据Roscosmos的安排,俄罗斯科学院空间研究所(IKI)和拉沃奇金科研生产联合体分别从科学探索和工程应用两方面开展相关准备工作。     

基于目标特性的航天器太阳光压面积计算方法

太阳光压是影响深空探测航天器轨道确定与预报精度最主要的摄动力.针对实际任务需求,采用了一种基于目标特性的光压面积建模与计算方法,根据航天器形状、尺寸、表面材料以及材料光学特性等信息,实现了分析型光压模型的建立与求解,提高了计算效率和精度,可快速计算目标在光照方向上的光压面积、投影面积以及光压比例因子等参数.通过长方体光压面积理论值与仿真值的对比,验证了该方法的准确性和有效性.针对复杂结构探测器开展了光压面积计算,可为深空探测航天器精密定轨中的光压模型解算、定轨及预报提供参考.      

电力场景下基于无人机视觉的运动目标追踪方法

随着人工智能技术的发展,面向电力系统的运动目标追踪技术逐渐得到关注,现有方法虽有一定成效,但是大多基于固定摄像头的监控视频录制,不能灵活追踪运动目标,当运动目标离开摄像头视野时,存在运动目标丢失问题。为此,利用无人机设备,并基于深度学习和核相关滤波技术,提出了一个电力场景下基于无人机视觉的运动目标追踪方法（MTTS_UAV）。所提方法采用改进的目标追踪方法与目标检测方法相结合的方式来追踪运动目标隐患,并引入2种无人机飞行控制模块:启发式和数据驱动式,使得无人机的飞行速度和方向可以根据目标移动情况自适应地调节。在真实变电站的安全帽人员数据集上进行了大量实验,对所提方法的追踪效果进行评估,结果表明:所提方法在真实数据集上的平均像素误差（APE）和平均重叠率（AOR）分别可达到2.37和0.67,验证了方法的有效性。      

基于倒置残差注意力的无人机航拍图像小目标检测

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和深层语义信息,提升小目标的检测精度;在特征融合部分设计多尺度特征融合模块,融合浅层空间信息和深层语义信息,并生成4个不同感受野的检测头,提升模型对小尺寸目标的识别能力,减少小目标的漏检;设计马赛克混合数据增强方法,建立数据之间的线性关系,增加图像背景复杂度,提升算法的鲁棒性。在VisDrone数据集上的实验结果表明：所提模型的平均精度均值比DSHNet模型提升了1.2%,有效改善了无人机航拍图像小目标漏检、误检的问题。     

简单形体目标电磁遮挡算法研究

为了自动地解决复杂目标高频电磁散射场计算时各部件之间的相互电磁遮挡问题，本文利用极大极小检验、Roberts算法、包含性检验等计算机消影算法，经过合理的工程处理，快速而准确地寻找简单形体目标各板块之间的相互遮挡关系，然后根据分析结果计算目标的RCS。文中以并排放置的锥柱组合体为例，在进行了电磁遮挡关系处理后，计算了其RCS，经与单一锥、柱RCS计算结果的比较，证明本文的电磁遮挡算法计算机时短，对简单形体目标的电磁遮挡处理行之有效。     

靶机红外目标模拟装置的研究

通过对一种靶机红外目标模拟装置的研究，介绍了这种装置的设计特点、参数选择和试验结果。该装置以固体燃料作为燃烧剂，其红外辐射强度主要决定于燃料的组分、工作温度、辐射体的材料以及辐射体的面积，而工作温度的选取是设计的关键。文中提出一种实用而简便的综合分析方法，根据装置所需要的红外辐射强度来预计其工作温度与结构尺寸，据此设计的装置实物经红外辐射特性测定后证明能满足预定指标要求。本文陈述的这种方法已被用于某靶机红外目标模拟装置的设计，并取得实际应用成果，对同类装置的设计和研究可资借鉴     

月面冯·卡门撞击坑的着陆选址和科学探测目标浅析

冯·卡门（Von Kármán）撞击坑位于月球背面南极—艾肯（South Pole-Aitken,SPA）盆地中部,是中国“嫦娥4号”计划的优先级较高的探测目标。对该撞击坑的着陆和探测,有助于揭示月球形成和演化的一些关键问题,在月球科学研究中具有重大的意义。论文概要总结了冯·卡门撞击坑的研究意义和科学价值;结合LRO卫星LOLA数据、Clementine UV-VIS数据、GRAIL数据、“嫦娥2号”卫星CELMS等数据,简要分析了冯·卡门撞击坑的地形、成分、深部结构和亮?%rater are analyzed with LRO satellite LOLA data,Clementine UV-VIS data,GRAIL data,and Chang''E-2 CELMS data and their scientific meanings are also presented. Finally,combined with our results and the previous prospects about theVon Kármán crater,three candidate landing sites and the possible scientific discoveries are proposed.