面向天基监视的红外弱小飞行目标识别算法

针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法。检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框（anchor）大小的选取更加合理。在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感。改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响。仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13%,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3%,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率。     

空间目标双基地ISAR一维距离像速度补偿方法

空间目标的高速运动会造成双基地ISAR一维距离像的畸变,针对此问题,研究了相应的速度估计与补偿方法。基于中频直接采样匹配滤波非相参双基地ISAR成像系统,首先研究了高速运动对双基地ISAR成像的影响,其次利用雷达基带回波具有的稀疏性,构造出与高速运动目标回波特性相匹配的冗余基并对其进行稀疏分解,然后据此估计出回波的调频斜率,进而估计出目标的无模糊速度,最后构造补偿相位项完成对宽带回波的速度补偿。算法补偿精度高,且无测速模糊,空间目标理想散点的仿真实验验证了补偿方法的有效性。     

一种基于稀疏分解的微多普勒频率估计算法

目标微动特性和微多普勒特征分析在真假目标识别方面发挥了重要作用。由于微动目标雷达同波具有非线性、多分量性等特征,需要相应的具有高分辨力、低交叉项、大的动态范围的分析工具,才能较好地揭示目标微多普勒特征。稀疏分解方法中的匹配追踪（MP）具有频域高分辨能力,对于信号细微特征提取具有很好的效果。研究了基于匹配追踪的微多普勒频率估计问题,该方法可以准确提取出目标微多普勒频率,为后续的目标识别提供了重要的依据。-     

空间非合作目标惯性参数在轨辨识

在空间冗余机械臂抓捕非合作目标的惯性参数辨识问题中,已有方法大都基于系统动量已知的假设,且辨识过程未考虑基座姿态稳定。针对目标动量未知的问题,设计了具有增量形式的惯性参数分步辨识算法。首先基于线动量方程得到关于质量和质心位置的第一组估计方程,采用增量形式消除未知线动量更新估计方程。辨识结果收敛后根据估计参数计算线动量估计值,代入以转动惯量为未知参数的第二组估计方程中,利用其增量表达式完成对转动惯量的估计。辨识过程中的激励由自适应零反作用控制输入提供,算法在保证基座姿态不受干扰的同时还能对惯性参数精确辨识。仿真结果表明,在30s以内算法已收敛,误差收敛到零的同时,基座姿态角速率控制精度在10^-3以下,说明算法收敛快,精度高,同时还能实现基座姿态稳定。     

激光微推进的靶特性研究进展

2003年,首款激光等离子体微推力器(micro-Laser Plasma Thruster,μLPT)应用于美国空军微小卫星姿态轨道控制,激光微推进技术越来越受到业内人士的广泛关注。总结了激光微推进的五种工作模式,并进行了简要分析,重点关注了激光微推进技术发展过程中的靶特性研究现状,介绍了靶材物态和靶材结构两个方面的推进性能研究进展,并对其进行了分析,对激光微推进技术的进一步发展形成了一些认识和建议。     

航天遥感成像系统像元分辨率在轨检测方法研究

文章采用数学推导和图解模拟的方法,通过分析光电成像系统对三线靶标推扫成像的过程,说明使用三线靶标检验系统像元分辨率存在误差,可能得不出或得不到正确的结果,应使用辐射状靶标。     

火箭靶弹零升阻力系数辨识

火箭靶弹无控飞行过程中飞行攻角较小且无法准确模拟,为提高靶弹弹道理论预估精度,弹道理论计算可假定飞行攻角为零,将飞行攻角产生的诱导阻力贡献折算为对零升阻力系数的修正。建立了火箭靶弹气动特性工程计算方法,针对火箭靶弹零升阻力系数计算模型不确定性问题,利用火箭靶弹A飞行试验GPS遥测数据对其零升阻力系数进行了参数辨识,基于辨识结果对火箭靶弹零升阻力系数工程计算方法进行了修正。经火箭靶弹B飞行试验结果验证,由于综合考虑了飞行攻角产生的诱导阻力贡献,采用修正后的零升阻力系数,弹道理论预估精度大大提高,满足工程要求。     

基于G2DPCA的SAR目标特征提取与识别

给出了基于广义二维主分量分析（G2DPCA)的合成孔径雷达（SAR）图像目标特征提取 方法。与主分量分析（PCA）相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不 是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析（2DPCA ）相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别 （MSTAR）计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征 维数的同时,又改善了识别性能,并且正确识别率在97％以上,且对目标方位变化具有较 好的鲁棒性。     

基于编队形状的反舰导弹预定目标选择模型特点

相比传统的预定目标选择方法,基于编队形状的反舰导弹预定目标选择方法是一类新方法。为了便于进一步研究具体算法,需要研究基于编队形状的反舰导弹预定目标选择模型的特点。该类方法的实质是将目标选择问题转化为点集匹配问题,因而文章从点集的信息来源、点集之间的变换关系、点集之间的映射关系、点集之间的距离函数等方面分析了模型特点,并根据这些特点将基于编队形状的反舰导弹预定目标选择算法分为2类：即基于迭代收敛的预定目标选择算法和基于变换位置集合的预定目标选择算法。     

Imaging of target with complicated motion using ISAR system based on IPHAF-TVA

The technique of imaging a target with a complicated motion using an Inverse Synthetic Aperture Radar (ISAR) system is an effective tool in the field of radar signal processing. After the translational compensation, the received signal reflected from the target can take the form of a multi-component Polynomial Phase Signal (m-PPS), and the high quality ISAR image can be provided via the combination between the estimated parameters of the m-PPS and the Range Instantaneous-Doppler technique (RID). For a target with a high maneuvrability, the occurrence of scatterers Migration Through Resolution Cell (MTRC), caused by the rotational movement could be appearing. That is why the variation in the amplitude of the echo during the time of observation cannot be neglected. The purpose of this study is the parameters estimation of the m-PPS signal with order three in the case of the Time Varying Amplitude (TVA). The Improved-version of the Product High-order Ambiguity Function (IPHAF) with TVA is proposed to improve the quality of the ISAR image compared with traditional techniques based on a constant amplitude; the experimental outcomes confirm that the new IPHAF-TVA method presented in this study is an effective technique to make the ISAR image very clear.