基于侧扫声纳图像的AUV侧向速度估计与DVL粗差检测

复杂水底环境和自主潜航器(AUV）机动会造成Doppler测速仪(DVL）速度测量结果中出现粗差,提出一种检测DVL速度粗差数据的方法。该方法利用侧扫声纳图像数据,结合SIFT特征匹配算法求取声纳图像的边缘特征点。根据声纳图像成像原理,计算出每一帧图像相对上一帧图像对应特征点像素的横向平移量;结合特征像素平移量与AUV实际横向位移的比例尺度关系以及声纳侧扫周期推算出AUV侧向速度。该侧向速度用于检测水下组合导航中DVL的速度粗差,在几十米水深的浅水区,该方法能够检测并剔除出大于0.2m/s的DVL侧向速度粗差,显著减小DVL前向速度误差。算法可实时实现,改善AUV水下组合导航性能。     

基于Rao-Blackwellized蒙特卡罗数据关联的检测跟踪联合优化

提出了基于Rao-Blackwellized蒙特卡罗数据关联的雷达目标检测跟踪联合优化算法。Rao-Blackwellization方法将单目标跟踪与数据关联分开处理,将序贯蒙特卡罗方法（粒子滤波）用于数据关联,实现杂波与虚警量测中的多目标跟踪。同时,根据粒子的分布范围确定波门大小。在考虑粒子权重的前提下,利用检测单元与所有粒子的相对位置对检测门限进行修正,提高检测率。将本文算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真数据、S波段相参与非相参雷达实测数据。实验结果表明,本文算法能够在粒子数较少的情况下,实现对小弱目标的检测与跟踪。      

短波SFH／CPM系统差分相位检测方案的性能分析

文章提出了一种基于Viterbi算法的短波SFH／CPM系统差分相位检测（DPD）的解调方案,运用Matlab建立了短波SFH／CPM系统模型,并在此模型上对该解调方案的误比特率进行了数值仿真。其仿真结果表明：DPD解调方案的误比特率可以达到10^-5～10^-6,能满足短波信道性能的需求。     

非光滑多体系统最大Lyapunov指数的计算方法

结合非光滑力学与非线性动力学的理论给出非光滑多体系统最大Lyapunov指数的数值计算方法.应用第一类Lagrange方法建立具有单边约束非光滑多体系统变拓扑结构动力学方程;应用线性互补理论与方法检测非光滑事件;应用混沌同步方法计算Lyapunov指数.在提高计算速度方面,提出了采用二分搜索法加快搜索速度以及采用调制参数方法加快系统达到同步状态的速度.通过算例说明本文算法的可行性与有效性.      

基于机器视觉与UMAC的自动铺丝成型构件缺陷检测闭环控制系统

为保证自动铺丝成型构件的性能,实现对成型构件表面质量的高效检测,本文基于机器视觉检测技术,自行研发自动铺丝成型构件表面缺陷检测闭环控制系统,使自动铺丝过程中预浸纱之间的间隙或重叠在允许范围内,从而保证铺丝精度。研究主要分为三个部分:铺丝成型构件表面图像提取与缺陷检测,检测数据传输,运动轴反馈控制,实现在自动铺丝过程中对成型构件表面缺陷检测实时闭环控制。针对电荷耦合相机采集到的预浸纱图像存在运动模糊和信噪比低等问题,将图像预处理划分为图像复原和降噪两大功能,根据不同类型的噪声采用对应滤波法进行降噪处理,提高了图像的信噪比,为后续检测提供高质量图像;预浸纱缺陷主要由其边缘直线这一几何特征进行表征,因此通过对预浸纱边缘检测实现缺陷识别;利用工控机向图像采集控制器发送命令实现图像采集,同时通过工控机与运动控制器之间信息流和数据流的交换实现检测数据的传输。探讨模糊控制理论用于闭环控制的研究,在反模糊化环节后面,加入自适应参数调节,以适应加工过程的突变,并成功地应用到自动铺丝缺陷检测闭环控制系统中,提高了伺服跟踪精度和跟踪实时性,从而提高铺丝精度。     

An intelligent target detection method of UAV swarms based on improved KM algorithm

Complete and efficient detection of unknown targets is the most popular application of UAV swarms. Under most situations, targets have directional characteristics so that they can only be successfully detected within specific angles. In such cases, how to coordinate UAVs and allocate optimal paths for them to efficiently detect all the targets is the primary issue to be solved. In this paper, an intelligent target detection method is proposed for UAV swarms to achieve real-time detection requirements. First, a target-feature-information-based disintegration method is built up to divide the search space into a set of cubes. Theoretically, when the cubes are traversed, all the targets can be detected. Then, a Kuhn-Munkres (KM)-algorithm-based path planning method is proposed for UAVs to traverse the cubes. Finally, to further improve search efficiency, a 3D real-time probability map is established over the search space which estimates the possibility of detecting new targets at each point. This map is adopted to modify the weights in KM algorithm, thereby optimizing the UAVs’ paths during the search process. Simulation results show that with the proposed method, all targets, with detection angle limitations, can be found by UAVs. Moreover, by implementing the 3D probability map, the search efficiency is improved by 23.4%–78.1%.     

基于光学图像的撞击坑识别研究综述

当前,随着深空探测研究工作的需要,将信息科学的图像处理、模式识别技术应用到空间探测领域成为必然。基于光学图像的撞击坑自主检测技术就是将信息科学的图像处理技术应用到空间科学研究中的一个很好例证,近年来得到了各国学者的重视。本文针对这一领域的相关研究进行了介绍与分析。首先,对这一技术的研究意义从地质学、天体表面结构和特征数据库建设、探测器导航三个角度加以说明;其次,详细阐述了该技术的研究现状,简要介绍了其中一些经典算法,并将相关算法分为三类:全自主检测算法、半自主检测算法和组合检测算法;最后,提出了该技术研究所面临的难点和未来研究方向与应用空间,以及介绍了作者在这一方面的研究进展。     

基于支持向量机的Webshell黑盒检测

Webshell是一种基于Web的网站后门程序。当前已有的Webshell检测方法都需要根据脚本程序源代码来检测,因此只能部署在服务器主机上,而且只能检测本机的网站代码。本文通过分析Webshell的HTML页面特征,提出了一种基于支持向量机(Support vector machine,SVM)分类算法的黑盒检测方法。该方法是一种有监督的机器学习系统,对先验网页的HTML页面进行学习,可以在未知脚本源代码的情况下对Webshell进行检测。实现结果表明,该方法在黑盒的条件下达到了较高的准确率和极低的误报率,并且取得了与白盒检测方法相近的检出率,可以部署在基于网络的入侵检测系统中,同时监测多台服务器是否包含Webshell,从而帮助监控入侵趋势和网络安全态势。