非合作目标智能感知技术研究进展与展望

智能感知是实现航天器在轨精细化操控过程的关键技术,是在轨服务技术智能化的重点发展方向之一。空间目标智能感知包括位姿测量、三维重建与部位识别等关键技术,涉及小样本、多模态、模型适应与高维数据等问题。从工程应用角度出发,对非合作目标智能感知技术的研究现状进行系统的梳理与总结。首先,总结典型非合作在轨感知系统与光学敏感器技术的发展现状;其次,归纳总结了非合作目标智能感知涉及的关键技术;最后,基于研究现状总结和关键技术分析,探讨了非合作目标智能感知目前存在的主要问题,并给出后续发展的建议。     

基于耦合气动参数的HGV多模型估计

利用气动参数对未知气动力建模是提高高超声速滑翔目标跟踪精度的有效途径。对目标气动加速度及其导数项进行分析,在非耦合气动参数模型的基础上,考虑气动加速度在转弯和俯仰方向存在的先验信息,推导滚转和螺旋2种耦合气动参数模型。利用一种分离估计模型对目标状态与气动参数进行估计,分别给出状态滤波器和气动参数滤波器的表达式。同时,考虑不同飞行模式下参数的机动频率,构建基于耦合气动参数的交互多模型跟踪算法。仿真表明,本文所提算法精度显著高于针对该类目标的其他跟踪算法。同时,滚转模型的性能优于螺旋模型,且计算复杂度更小。      

计算整机雷达散射截面的部件组合方法

本文应用部件组合方法结合相对相位综合技术计算丁某型战斗机的雷达散射截面(RCS)。部件组合方法是估算复杂形体目标RCS的一种有效方法,但同时也存在精度较差的不足。为解决这一问题,在分析计算中本文将真实目标等效为较多个部分典型几何体(如部分椭球,部分椭圆平板等)的组合,并首次应用准三维凹曲面作为典型散射体来替代战斗机的翼身融合过渡部分,从而使简单散射体的组合体较好地保持了原目标的散射特性。计算及其与测试结果的比较表明,本文采取的措施使部件组合法的计算精度有了很大改善,使之成为一种简便、省时、具有较高精度的估算整机RCS的有效方法。在全方位角范围内,计算与测试值的均方误差小于3dB,最大误差小于6dB。在IBM—4341机上用本文程序计算某型机在某一姿态角下的RCS(垂直和水平两种极化)分布曲线,只需约4分钟CPU时间。     

雷达散射截面静态测量的精度分析

本文讨论了在微波暗室内影响雷达散射截面(RCS)静态测量精度的因素。着重分析背景、喇叭馈源间耦合以及定标体引入误差的原因。指出目标支撑架和定标体是主要的误差源,其选用原则是:目标的雷达散射截面必须高于背景雷达散射截面20dB以上;视被测目标雷达散射截面量级选择相应的目标支撑和定标体。最后通过200mm×200mm的金属平板理论值和测量值的比较,说明上述分析的正确性。     

非合作空间目标自主交会凸优化制导技术

为解决非合作空间目标机动、自旋、章动等动态特性对自主交会过程带来的困难和挑战,在某飞行器姿轨控一体化推进系统配置的基础上,充分考虑各类约束后构建标准的凸优化自主交会数学模型;着重分析了非合作目标动态特性对制导误差的影响,设计相应的修正策略;以原始对偶内点法作为核心求解器,设计了具备状态预测和更新能力的制导算法;数学仿真验算表明,该方法合理可行,克服了动态特性造成的接近轨迹偏差,良好地适应了非合作交会任务。     

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。     

一种卷积神经网络非合作目标姿态测量方法

针对空间非合作目标姿态测量问题,提出一种基于卷积神经网络的非合作目标姿态视觉测量方法。该方法先设计特征提取网络并利用公开数据集进行预训练,用少量实际目标图像进行迁移学习,实现非合作目标图像高层抽象特征的自动提取;再设计基于回归模型的姿态映射网络,建立图像高层特征与三轴姿态角之间的非线性关系,实现非合作目标的姿态测量。实验验证了两类特征提取网络测量精度和参数量大小,测量精度可达 0.711° (1σ),表明了“单目相机+卷积神经网络”方法的可行性。     

基于多智能体强化学习的轨道追逃博弈方法

针对空间轨道博弈过程中的集群卫星和非合作目标追逃博弈情形下的动力学模型复杂、非合作目标机动信息未知,以及卫星间难以有效协调等问题,提出一种基于多智能体深度强化学习算法的集群卫星空间轨道追逃博弈方法.首先通过对博弈场景进行建模,在考虑最短时间、最优燃料以及碰撞规避的情形下进行奖励函数的塑造和改进,利用深度强化学习方法中的...     

基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

多普勒辅助测量IMM-PF机动目标跟踪

针对机动目标跟踪问题,提出了一种辅助多普勒测量的交互多模型粒子滤波算法.该算法利用粒子滤波解决系统观测与目标状态之间的非线性问题,并辅助多普勒测量信息在线估计目标角速率,作为目标转弯模型的参数.采用两个可内部切换的运动模型(常速度/逆时针转弯模型、常速度/顺时针转弯模型)作为交互模型,有效地描述了目标机动并减少了模型个数,进一步提高了算法的效率.对一个以不同角速率多次转弯的机动目标进行跟踪仿真,结果验证了算法的可行性和优越性.