基于结构特征的弹道目标雷达识别技术

弹道目标的结构特征反映了目标的本质属性,是识别真假目标最直观的特征之一。分析了弹道目标的结构特征差异,系统归纳了基于结构特征的弹道目标雷达识别方法。根据雷达提取结构特征所采用的信息不同,将这种识别方法分为基于RCS序列的识别方法、基于一维像的识别方法、基于二维像的识别方法以及基于极化信息的识别方法,详细阐述了这四类识别方法的物理基础及其实现途径,分析了它们各自的特点,最后展望了技术发展趋势。     

基于双星编队的空间非合作目标联合定轨方法

针对单颗卫星对空间非合作目标的纯测角跟踪定轨系统存在观测几何条件差和定轨误
差较大的缺点,提出利用双星编队对空间非合作目标进行协同观测。该方法引入平方根无迹
卡尔曼滤波(UKF)算法,并融合地面站观测双星编队信息、双星编队星间测量数据以及双星
编队对空间目标光学观测信息进行整网定轨,实现在纯测角条件下双星编队对空间非合作目
标的实时跟踪。仿真结果表明该方法可以改进观测几何条件和提高空间非合作目标的跟踪定
轨精度。     

改进粒子滤波的弱目标跟踪与检测

基于粒子滤波的检测前跟踪技术（TBD\|PF）是低信噪比环境下目标检测与跟踪的有效方法。针对传统的TBD\|PF算法经重采样后容易导致粒子耗尽,从而跟丢目标的缺点。本文提出采用对权重较低的部分“存活”粒子用“新生”粒子将其替换,且对重采样后的粒子实施马尔科夫链蒙特卡洛（MCMC）移动步骤的粒子更新策略,在增加粒子多样性的同时保证了粒子的有效性。仿真实验分析了粒子数大小,预设门限的选取对检测性能的影响。实验结果表明,所提算法的检测与跟踪性能要优于传统的粒子滤波算法。
     

跟踪空间非合作目标的一种相对轨道确定方法研究

研究近地轨道卫星沿航向跟踪空间非合作目标的相对轨道确定问题。首先给出以追踪星与非合作目标轨道根数差分描述的相对运动方程;其次根据星间测量几何关系对应的测量方程,提出一种新的基于两步估计的相对轨道确定方法;最后通过数学仿真验证了收敛速度快于扩展卡尔曼滤波,并对初始状态的选取不敏感,具有一定鲁棒性。     

单通道SAR实现ATI动目标检测的新方法

研究了采用单通道合成孔径雷达(SAR,Synthetic Aperture Radar)多视沿航迹向干涉(ATI,Along Track Interferometry)实现地面慢速运动目标指示的检测方法.分析了该方法所需的步骤,即利用重叠或不重叠的窗构造子视,对子视分别成像,相位误差校正并求干涉.关于其中起关键作用的相位误差校正步骤,提出了利用信号子空间投影进行相位配准的补偿方法.借助该鲁棒的自适应方法可以从某种程度上解决子图像间的去相关问题,降低相位随机性的影响,从2幅子视图像的干涉相位图上敏锐地检测到运动目标.通过仿真实验,验证了该方法可以有效地从强杂波中检测动目标,为单通道SAR实现地面运动目标指示(GMTI,Ground Moving Target Indication)、扩展已有SAR系统功能提供可靠的途径.      

基于GAS的图像跟踪系统及其实现方案

利用遗传优化算法实现了一个目标跟踪系统,将传统的目标搜索、目标分割、目标定位及跟踪状态评估等过程都由遗传算法来实现,使系统结构简单,易于实现。并分析了利用 TMS32 0 C6x实时实现遗传优化跟踪过程的可能性,最后给出了该系统的实现方案     

机动飞行目标的数学模型与仿真算法研究

描述系统运动的状态方程所含的状态理越多,其数学模型就越准确,但其数字仿真时的算法实现也越困难。困此,采用“当前”统计模型建立机动飞行目标的空间运动方程,并结合桥函数级数理论求解,实现了对机动飞行目标稳定、准确、实时地仿真计算。以典型机动目标为例,进行了数字仿真,通过对各主要状态量的计算结果分析,验证了该方法的有效性。     

单目主动视觉无人机导引中摄像机内参数标定的线性方法

提出一种单目主动视觉无人机导引中摄像机内参数标定的线性方法,在摄像机主点位置进行预标定的条件下,摄像机只需拍摄一幅着舰平面靶标上的一组正方形图像,无须知道该组正方形的任何几何信息,通过计算圆环点,建立绝对二次曲线对摄像机内参数的约束方程即可线性求解摄像机内参数,仿真实验和真实图象实验表明:该方法在摄像机内参数(如焦距等)需要经常改变的视觉任务,如基于视觉的无人机着舰导引、运动参数估计、三维视觉重建及视觉监控中,使得摄像机内参数的标定具有简便、实时和鲁棒性强的特点。     

伞—弹系统三体运动分析

理论上分析了末敏弹系统伞、伞盘、弹三刚体间的力学关系,考虑了系统的连接方式和约束、分析了伞绳弹性,建立了三体运动的数学模型,算例表明所描述的运动与实测运动规律和扫描特性相符,因此该模型可用于末敏弹总体和扫描装置的分析和设计。     

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.