基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究

红外诱饵对抗技术的发展使得空战环境日益复杂化,对红外成像制导空空导弹抗干扰目标识别技术提出了更高的要求。红外诱饵的投放使得目标特征的完整性、显著性及稳定性遭到破坏,基于特征融合匹配的统计模式识别方法无法准确识别目标。提出了一种基于朴素贝叶斯分类器的抗干扰目标识别方法,该方法对空战对抗仿真图像数据集进行了特征挖掘,利用实验拟合方法构建了典型特征的概率密度函数模型,构造了朴素贝叶斯分类器,实现了飞机目标和干扰的分类识别。仿真实验结果表明,该方法在已测试的弹道图像数据集下的平均识别正确率达到了81.82%,且能够解决假目标、目标遮挡等抗干扰目标的识别难题。     

基于模型的双转子-支撑系统快速故障识别方法

建立了双转子-支撑系统的有限元模型,模拟了质量不平衡故障和局部轴弯曲故障下的振动信号.根据有限元模型,提出了基于模型的双转子-支撑系统故障识别方法,依次通过单一故障遍历、双故障遍历和三故障遍历方法,实现了故障快速准确识别.仿真结果表明:该方法能够准确识别单一故障和多故障,同时确定故障发生的位置、严重程度和相位情况,优化了故障识别过程,理想情况下减少了98.9%的计算量,加快了故障识别的速度.此外,比较了添加了不同信噪比噪音信号的诊断结果,诊断结果相对误差控制在1%左右,表明该方法具有良好的抗噪声干扰的能力.      

任意运动变形边界流场测量PIV算法的研究:薄膜涡激振动

提出了一种精确测量任意运动变形边界流场的粒子图像速度场PIV算法,能智能识别强流固耦合问题流场测量中任意运动变形的边界信息,然后生成贴体自适应的图像互相关计算窗口,计算获取运动变形边界附近的速度场数据。这一算法可大大提高任意运动边界附近流场的测量精度,为流固耦合问题的理论分析和数值计算验证提供可靠的高质量实验数据。针对数字合成给定流场的粒子图像序列,采用所发展的PIV算法对粒子图像区域中的运动变形边界进行了精确识别,高质量地复现了原始流场信息。最后,对低速闭式循环水洞中的钝体尾流柔性薄膜涡激振动现象进行了PIV实验测量,获得了柔性薄膜大变形运动状态下的瞬态流场特征。     

中段目标高分辨距离像姿态敏感性影响度量方法

高分辨距离像（HRRP）存在散射中心模型改变、越距离单元走动、闪烁现象三个方面的姿态敏感性,同时影响距离像预处理、特征选择、模板生成等方面。为了区分不同姿态敏感性对距离像识别的影响,从而研究针对性的解决办法,首先在识别理论框架下,建立了“HRRP姿态敏感性影响水平统计模型”作为姿态敏感性对目标识别性能影响的定量分析工具。其次,针对弹道中段目标识别问题,定量分析了中段目标HRRP的姿态敏感性。暗室实测数据表明,闪烁现象与越距离单元走动对HRRP识别的影响程度相近。最后,通过比较聚类模板生成算法和邻近姿态角模板生成算法,验证了基于姿态敏感性影响水平分析方法的有效性。此分析方法对于弹道中段目标识别具有一定的参考价值。     

一种改进的管路焊缝自动检测算法

提出了一种管路焊缝自动检测算法,通过计算管路图像的梯度-方向直方图确定管路的主方向,解决了传统的旋转穷举法计算量巨大的问题;通过HSV颜色空间转换增强了焊缝的特征,提高了模板匹配的鲁棒性和定位精度。实验表明该算法能够实现快速的焊缝自动检测和准确定位。     

星图匹配观测三角形优化选取技术

为了提高三角形星图识别算法的成功率,减少匹配过程中的计算量,进而提高星敏感器实时输出姿态的性能,提出一种星图匹配前“二次优化”选取观测三角形方法,该方法在在初选观测三角形的基础上,对观测三角形进行第二次优化筛选,进而提高星图识别环节的效率。优化选取观测三角形是基于QUEST定姿原理,将观测三角形的边与夹角的约束关系转换到像平面上。全天球遍历分析统计结果表明：在12°×12°视场中,采用本文提出的方法,可使一次匹配成功并输出可用于星图验证环节的较高精度姿态信息的概率提高60.9％,从总体上可大大减少星敏感器星图识别环节的计算量,并且每帧全天球定姿输出的时间一致性也被大大提高。     

一种基于系统误差自动补偿的编队目标航迹精细关联算法

为解决编队内各目标航迹精细关联的难题,按照编队目标航迹的特点,结合误差估计技术及航迹关联技术,提出了一种基于系统误差自动补偿的编队目标航迹精细关联算法,该算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,并按编队中心航迹完成编队航迹的整体预关联,然后基于编队航迹状态识别模型,搜索或建立分辩状态最接近的预关联编队航迹,并基于编队航迹系统误差估计模型和误差确认模型,获得最终的系统误差估计值,自动完成系统误差补偿,最后利用传统的航迹关联算法进行编队航迹的精细关联。经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法和基于航迹迭代的航迹对准关联算法相比,该算法具有耗时少、关联性能有效稳定等综合优势,能较好的满足工程上对系统误差下编队内目标航迹的精确关联需求。     

融合卷积注意力和Transformer架构的行人重识别方法

行人重识别技术是智能安防系统中的重要方法之一,为构建一个适用各种复杂场景的行人重识别模型,基于现有的卷积神经网络和Transformer模型,提出一种融合卷积注意力和Transformer(FCAT)架构的方法,以增强Transformer对局部细节信息的关注。所提方法主要将卷积空间注意力和通道注意力嵌入Transformer架构中,分别加强对图像中重要区域的关注和对重要通道特征的关注,以进一步提高Transformer架构对局部细节特征的提取能力。在3个公开行人重识别数据集上的对比消融实验证明,所提方法在非遮挡数据集上取得了与现有方法相当的结果,在遮挡数据集上的性能得到显著提升。所提方法更加轻量化,在不增加额外计算量和模型参数的情况下,推理速度得到了提升。