机载多目标跟踪系统模型和运动补偿

研究多目标跟踪技术在机载雷达应用中的特殊问题——坐标系的选择、载机运动的稳定与补偿。建立了数学模型 ,进行了仿真研究。研究结果表明 :载机运动的稳定与补偿是机载多目标跟踪中必须重视的问题 ,并得出基于 NED和 RHV的组合坐标系下的模型 ,在机载应用中有很好的性能。优点是易于解耦、避免了非线性、降低了计算量、且有较高的精度     

数据采集系统动态准确度的一种评价方法

介绍了一种用于评价数据采集系统动态准确度的定义及测试方法，同时评价了其动态条件下的偏置误差、增益误差及模数转换有效位数，最终给出了一种数据采集系统的实际测试评价结果。     

F-35战斗机气动及隐身特性分析

以F-35战斗机为研究目标,对目标体进行三维外形重建,并对重建后的模型进行气动及隐身特性的计算和分析,首先采用了基于飞机三视图进行轮廓线提取来重建F-35全机理论外形的方法,引入了基于草图跟踪的CATIA三视图的标定,大大地提高了模型重建的精度。其次采用非结构网格对F-35的计算区域进行网格划分,采用EULER方程完成了F-35在亚声速、跨声速及超声速等飞行条件下的流场计算,分析了不同状态下的升力、阻力和大迎角气动特性。最后利用曲面像素法对F-35全机高频雷达目标特性进行了计算,提出了一种基于IGS数据转换格式的隐身计算网格生成方法,比较了不同俯仰角及方位角下的RCS特性曲线,分析了对RCS影响比较大的部件。     

无需辅助数据的分布式目标自适应检测器

在非高斯背景和没有辅助数据的条件下,研究了高分辨率雷达分布式目标的自适应检测问题.首先采用有序检测理论和协方差矩阵的迭代估计方法粗略估计散射点集合,进一步利用迭代估计方法获得协方差矩阵的近似最大似然估计,提出了无需辅助数据的自适应检测器(ADWSD).ADWSD在非高斯背景下具有近似恒虚警率特性,且检测性能远好于修正的...     

基于飞机发电机测试的电负载控制系统

针对某型发电机性能测试需要,采用现代计算机控制技术设计开发了电负载控制系统.根据飞机供电系统性能参数要求和实际设备,采用高速数据采集卡采集发电机电网参数并计算功率.由可编程控制器控制电负载单元,测试特定负载下发电机性能及其对发动机影响.运用多线程技术,提高了系统实时性.经验证,系统满足实际测试要求,运行稳定可靠,测量准...     

基于目标距离的末制导雷达最优搜索图模型

深入研究了反舰导弹末制导雷达目标捕捉模型,以末制导雷达第一方位搜索周期捕捉概率和全程搜索捕捉概率为约束条件,建立了以末制导雷达第一方位搜索周期扫描面积为目标函数的末制导雷达最优搜索图求取模型,解决了基于目标距离的末制导雷达最优搜索图参数求取问题,并利用多项式拟合,得到了最优搜索图参数工程实现方法,该方法易编程、计算量小、占用内存少,是一种简单、实用的中远程反舰导弹末制导雷达最优搜索图参数实现方法。     

空间机器人捕获漂浮目标的抓取控制

提出了动态抓取域用于空间机器人捕获漂浮目标的抓取控制。空间机器人捕获漂浮目标时,由于机械臂与基体的动力学耦合、抓取时的碰撞激振等非线性特性使得抓取控制变得复杂而重要。首先建立了空间机器人及漂浮目标的动力学模型,而后引入了末端装置抓取目标时的碰撞模型,并提出了"动态抓取域"用于机械臂抓取目标时的控制,同时应用关节主动阻尼控制,以减小抓取碰撞激振对空间机器人冲击的影响。结果表明:在相同抓取时间下,加速抓取明显优于匀速抓取,碰撞力振幅减小至匀速抓取时的20%,对空间机器人的激振冲击明显消除,仅在抓取结束前有小幅激振。这对空间机器人的抓取控制有着重要的理论价值及工程实际意义。     

同步误差条件下的空间目标双基地ISAR自聚焦算法

以空间目标为研究对象,针对双基地雷达时间、空间及频率同步误差导致的逆合成孔径雷达图像散焦问题,提出基于离散多项式相位变换的自聚焦算法。算法首先将目标平动、转动及同步误差导致的相位项统一建模为高阶多项式,利用离散多项式相位变换方法估计高阶多项式系数并据此构建补偿相位项,完成高阶相位补偿。最后进行方位压缩得到高聚焦度的二维ISAR像。算法通过选取合适的延时参数及成像积累时间可得到高精度参数估计及相位补偿,理论分析和仿真校验了算法性能优于常用的非参数化自聚焦算法。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

非合作大目标位姿测量的线结构光视觉方法

空间机器人与非合作大目标交会接近最终段,单目相机不能获取完整的特征图像而无法完成相对位姿测量。针对此问题,提出基于线结构光和单目视觉的相对位姿测量方法。以非合作大目标上的局部矩形特征为测量对象,首先,建立相对位姿测量模型并给出四个测量坐标系之间的关系;其次,通过相机对不完整矩形和线结构光的约束获得四个特征点在相机坐标系下的坐标;然后,利用四个特征点计算相机坐标系与目标坐标系之间的转移矩阵;最后,将转移矩阵分解得到矩形特征的相对位姿。通过改变影响测量精度的输入误差和标定误差等因素对该方法进行仿真验证,结果表明该测量方法是有效的。