基于自适应融合网络的无人机目标跟踪算法

针对无人机视频跟踪过程中,目标占比较小且易受复杂背景信息干扰等问题,提出一种基于自适应融合网络的无人机目标跟踪算法。首先,基于感受野模块和残差网络构建深度网络模型,能够有效提取目标特征并增强特征的有效感受野;其次,提出一种多尺度自适应融合网络,能够自适应地融合深层网络的语义特征和浅层网络的细节特征,增强特征的表达能力;最后,将融合的目标特征输入到相关滤波模型中,计算出响应图的最大置信分数,从而确定跟踪目标位置。仿真实验结果表明,该算法在跟踪成功率和精确率上都达到了较高水平,有效提升了无人机目标跟踪算法性能。     

星上遥感影像在轨处理进展研究

从星地数传、高时敏任务等对星上遥感影像在轨处理的需求出发,本文对美国、欧洲以及国内主要的星上遥感影像在轨处理进展进行了研究;以此为基础,结合星上遥感影像在轨处理框架与深度学习等智能处理技术,分析了高性能星上智能处理平台构建、基于深度学习的遥感影像在轨智能处理、多源遥感影像数据在轨融合处理、星地协同数据处理及在轨更新等星上遥感影像在轨处理关键技术;最后,对星上遥感影像在轨处理未来发展趋势进行了总结,为进一步提升遥感卫星在轨应用效能提供参考。     

机载雷达告警接收机的现状与发展

介绍了机载雷达告警接收机的现状,根据新型作战飞机所装备的相关设备介绍了机载雷达告警接收机的发展趋势.     

基于信息论分析的多尺度图像去噪方法

图像多尺度统计相关模型的信息论分析表明,尺度内模型可以捕捉小波系数间的大部分相关性,较尺度间模型携带更多的信息,而通过加入父信息得到的增益则较小。为充分利用各模型提供的不同信息,提出一种基于信息融合的多尺度去噪方法,将尺度内和尺度间相关模型的优点相结合,并压制各自的缺陷。仿真结果表明,基于信息融合的方法具有更好的视觉效果和去噪性能。     

一种翼身融合布局飞行器的偏离特性分析

为研究某翼身融合布局飞行器的偏离特性,在南京航空航天大学回流式低湍流度开口风洞中进行了飞机模型的大迎角静态测力试验。通过对试验结果的充分挖掘,利用横航向静稳定性判据、侧滑偏离判据、横向控制偏离参数以及Weissman组合判据进行分析,获得了飞机的大致初始偏离迎角和偏离区域,并对飞机的尾旋敏感区进行了预测。同时,利用风洞虚拟飞行试验技术进行三自由度释放验证。结果表明:该翼身融合布局飞行器的横向静稳定性较差,在很小的迎角下就可能出现非指令滚转运动,这也是造成偏离发散的主要原因;而虚拟飞行试验对偏离现象有较好的复现,与通过稳定性判据得到的偏离特性具有较好的对应关系,验证了虚拟飞行试验在偏离特性研究上的可靠性。     

基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。     

双波段红外目标检测综述

红外成像系统具备优秀的夜间可视能力,并且具备良好的抗干扰能力、识别伪装的能力,在军事领域的应用日益广泛。可见光成像系统易受光照强度的影响,无法在封闭空间或夜间等弱光条件下工作,而物体的红外辐射能量仅与物体温度和物质特性有关,所以红外成像不需要考虑光照强度,可以在全天候时段工作。红外目标检测可以应用单波段和多波段的方式进行探测,单波段探测由于目标信息有限,往往目标会存在小、弱、暗等问题,导致检测能力不理想,而多波段检测通过利用不同波段信息的冗余性、互补性,大幅度提高目标检测和识别的概率,提高识别伪装的能力。但双波段目标检测中存在很多技术难点,对红外小目标检测技术进行了分类,分析了技术难点,按不同的方法进行了总结描述。再对双波段目标检测技术进行了详细的描述,并选取了常见算法进行了性能比较和原理分析,突出了双波段目标检测的优势。     

基于数据融合的MEMS阵列加速度传感器实现方法

针对单MEMS加速度计性能有限无法满足实际工程中日益复杂且严苛的检测需求的问题,提出了一种基于数据融合的MEMS阵列加速度传感器实现方法。首先,设计了MEMS阵列加速度传感器的系统架构,并分析了对数据融合算法的技术需求;然后,针对已有的数据融合技术无法满足MEMS阵列加速度传感器的精度与实时性要求的问题,提出了基于离散对数映射的自整定加权融合算法,在此基础上,设计了MEMS阵列加速度传感器的仿真验证方案。仿真实验结果表明,提出的方法通过三个不同范围MEMS加速度计的阵列集成提高了信号检测能力,相比于最优拼接法其平均损失降低了6.1%,且融合数据精度优于各个加速度传感器的原始仿真数据,是高性能MEMS阵列加速度传感器的有效实现方案。     

一种新的变前掠翼无人机气动布局

研究了一种新的变前掠翼无人机气动布局概念,在低、亚、跨和超声速状态下可通过改变机翼的前掠角来获取最佳的气动性能。根据设计指标和翼身融合技术初步设计了其几何外形,并采用三维Navier-Stokes方程数值模拟和对比分析了5种不同任务构型的气动特性。结果表明：①在Ma=0.6巡航时,平直翼加挂副油箱构型最大升阻比为14.55,而三角翼构型仅为8.29;②在Ma=0.4机动时,45°前掠翼构型失速迎角达到38°且具有最大的升力系数2.455,较平直翼构型提高了4.9%;③在Ma=1.5高速突防时,三角翼零升阻力系数最小,比平直翼加挂副油箱构型减小了14.4%,最大升阻比提高了34.6%;④所有计算状态下俯仰力矩特性均良好。研究结果验证了变前掠翼无人机气动布局新概念的合理性和先进性,可为高性能无人机的设计提供参考。     

证据冲突下自适应融合目标识别算法

 利用证据理论对空中目标识别系统的观测信息融合时,Dempster规则对低冲突信息的融合结果较为理想,但无法对高冲突信息有效融合。Dubois &; Prade(DP)规则及证据折扣法可对高冲突信息进行合理融合。为使不同融合方法发挥各自优势,提出一种自适应融合算法。首先将矛盾因子和证据距离两者结合以更全面地表示证据冲突程度,当冲突较小时,选用Dempster规则,反之,根据冲突的具体情况选择使用DP规则或证据折扣法。通过目标识别实验对多种算法进行了对比,表明本文算法既能对高冲突证据进行合理融合,又能使融合结果快速收敛,可以有效地提高识别速度及正确率。