强海杂波背景下目标检测方法综述

高频地波雷达被广泛应用于海面目标的检测,而由于海杂波的分布散射具有很强的动态特性,通常情况下成为了海面目标检测的主要干扰成分.因此,在强海杂波背景下进行目标检测的关键在于如何有效抑制海杂波.从循环对消、子空间分解、模型预测以及分形特征这几方面对海杂波抑制技术进行综述、分析和总结,为后续对海面目标检测提供参考.     

基于YOLOv5的近岸SAR舰船目标检测方法

由于类似舰船的陆地目标的干扰和舰船的紧密排列,基于合成孔径雷达(SAR)图像的近岸舰船检测会出现较多漏检和误检,提出了一种基于YOLOv5网络的近岸舰船的检测方法。为提高近岸背景下的检测精度,使用了注意力机制模型和CSL的技术用于改进网络;分析了YOLOv5网络、注意力模型和CSL算法,基于YOLOv5进行了检测实验,引入注意力模型来改进网络;结合CSL算法,重构了YOLOv5旋转检测网络。通过调整训练参数和改进注意力,近岸目标检测网络的测试结果达到mAP 80%以上,证实了CSL+YOLOv5算法实现旋转检测的可行性。     

基于低比特量化神经网络的红外目标识别方法及其FPGA实现

红外目标识别系统成为航空航天、无人驾驶等军事和民用领域中一项至关重要的技术。红外目标识别算法是红外目标检测识别系统中的核心之一。传统红外目标识别技术往往依赖人为的特征选择,无法对复杂困难的红外目标实现高效、准确的识别。本文提出了训练中反量化与通道级量化相结合的量化策略,有效减小量化误差对网络模型性能的影响。实验结果表明:本文提出的低比特量化算法在红外数据集上有着优异的表现。在硬件部署方面,本文提出了更加高效的卷积计算单元,提高了硬件资源的利用率,同时也达到了更高的峰值性能。最终,在PYNQ-Z2嵌入式现场可编程门阵列(FPGA)上进行验证,系统在150 MHz的时钟频率下达到了90.6 GOP/s的峰值吞吐率,其功耗为2.5 W。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

基于碰撞检测的空间超大规模航天器拼接曲面优化

针对模块航天器在轨拼接曲面优化、曲率极值问题,提出了一种基于模块间隙约束的“球冠-平面”辅助映射法,该方法不仅可以规划模块航天器如何构成目标曲面,还可以获得该曲面的极值。该方法以正六棱柱模块航天器为单位模块,将模块按由“球冠-平面”映射的圈层排列张成目标球面,构建了拼接曲面的数学模型。鉴于工程上对机构调整有限导致的相邻模块间隙限制问题,在算法中引入了碰撞检测(DC)约束参数;通过遗传算法寻优,获得目标曲面布局的最优解。最后仿真表明:该算法可以有效获得曲面布局的最优解。     

基于小波分析的容错组合导航系统故障检测算法研究

针对目前多数故障检测法对缓变的软故障检测不灵敏,延迟性较大,无法判断各种故障类别等问题,在分析利用小波奇异性进行故障检测原理的基础上,提出了一种基于模极大值原理的导航传感器故障检测方法。该算法利用传感器的观测量来诊断传感器是否正常工作,文中给出了利用小波奇异性进行故障检测的原理描述及利用该算法进行故障检测算法流程。该算法不仅对导航传感器软故障具有较高的检测灵敏度,而且可以通过故障点处信号的Lipschitz指数来判断故障类别,为传感器故障隔离和修复提供有效的信息,因此可以更好的保障多传感器容错组合导航系统的可靠性。计算机仿真表明所提方法是有效的,具有较高的实用性。     

基于振动检测的发动机故障诊断算法研究

基于振动检测的发动机故障诊断算法,分析发动机发生故障时振动信号所具有的特征和故障诊断指标选择,对振动信号预处理、特征提取、状态识别和诊断决策分别进行了介绍,研究出采用振幅和频率两参量包络曲线法诊断发动机故障的算法,通过发动机热试车验证了采用发动机振动检测来判断发动机故障的算法的正确性。     

A residual based adaptive unscented Kalman filter for fault recovery in attitude determination system of microsatellites

This paper presents an adaptive unscented Kalman filter (AUKF) to recover the satellite attitude in a fault detection and diagnosis (FDD) subsystem of microsatellites. The FDD subsystem includes a filter and an estimator with residual generators, hypothesis tests for fault detections and a reference logic table for fault isolations and fault recovery. The recovery process is based on the monitoring of mean and variance values of each attitude sensor behaviors from residual vectors. In the case of normal work, the residual vectors should be in the form of Gaussian white noise with zero mean and fixed variance. When the hypothesis tests for the residual vectors detect something unusual by comparing the mean and variance values with dynamic thresholds, the AUKF with real-time updated measurement noise covariance matrix will be used to recover the sensor faults. The scheme developed in this paper resolves the problem of the heavy and complex calculations during residual generations and therefore the delay in the isolation process is reduced. The numerical simulations for TSUBAME, a demonstration microsatellite of Tokyo Institute of Technology, are conducted and analyzed to demonstrate the working of the AUKF and FDD subsystem.     

基于金星探测机械展开式进入飞行器技术述评

传统的金星进入飞行器存在弹道系数高、热流密度高、过载大等缺点,对热防护系统和设备的要求比较严苛。针对金星探测的任务需求,美国提出了一种基于机械展开式结构的金星进入飞行器,该飞行器发射时处于折叠状态,进入时展开形成较大的气动面,可以显著地降低弹道系数、热流密度、过载等。文章介绍了该飞行器的结构组成和展开过程,对机械展开式进入飞行器的研究现状进行了介绍,重点对比了机械展开式进入飞行器与传统形式的不同,通过对构型、工作流程、效果的对比,可以看出机械展开式进入飞行器在金星探测上具有很大的优越性,最后对其优势进行了总结,并提出了未来需要研究的问题。     

基于离散方波变换的脉冲星微弱信号周期性检测

为满足X射线脉冲星深空导航系统对脉冲星微弱信号周期性检测的要求,提出了一种基于离散方波变换(DSWT)的周期信号检测算法,并给出了其硬件实现方法.首先,通过对比DSWI和FFI变换核的相似性,证明了DSWT算法进行周期性检测的可行性,同时,研究了DSWT对白噪声的抑制作用;其次,DSWT的变换核仅取+1或-1,更适合硬件电路实现,给出了该算法的FPGA实现方法;最后,采用以Xilinx Spartan-3系列FPGA芯片XC3S2000为核心的开发板组成实验仿真系统,分别对实测和仿真脉冲星数据进行实验.结果表明:1.该算法可检测信噪比低于FFT算法;2.在信号输入完毕后3个时钟周期内即可得出计算结果,耗时比FFT算法少三个数量级;3.实现该算法所需的硬件资源少于FFT算法.