目标跟踪（定轨）中的信息融合估计技术

本文对目标跟踪中的多源信息融合估计问题进行论述,讨论了多个观测站对同一目标观测时的分布式和中心式融合估计问题,对Bayes融合的算法问题提出了技术途径。     

IMM-PF算法在机场场面移动目标跟踪中的应用研究

为了提高机场场面监视的可靠性以及监视数据的连续性,本文采用匀速运动(Constant Velocity,CV)、匀加速运动(Constant Acceleration,CA)和匀速转弯运动(Constant Turning,CT)三种运动模型,将交互式多模式算法(Interacting Multiple Model,IMM)与粒子滤波算法(Particle Filter,PF)相融合,充分发挥两种算法的优点,并结合机场地图信息分别对观测信息和估计输出结果进行修正,进一步提高机场场面移动目标跟踪的精度。仿真实验结果表明,本文提出的IMM-PF改进算法在机场场面移动目标跟踪的应用中具有更大的可行性和优越性。     

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...     

一种多目标随机决策方法及其应用

本文通过引进决策方案的可行度和决策者参考目标水平的满足度等概念,提出了一种不确定条件下的多目标随机决策方法——交互式参考目标满足度与可行度决策分析中,取得了较好的效果。     

平面度误差目标函数凸凹性的研究

证明了平面度误差最小区域评定法的目标函数是二维欧氏空间R2 中的连续、不可微的凸函数 ,从而证明了目标函数的全局极小值是唯一的。     

基于层间分类一致性准则的舰船目标细粒度识别方法

舰船目标的层次化、细粒度识别在军事和民用领域均有重要意义。现有细粒度识别方法一般需要部件级精细标注或采用注意力机制提取关键特征,但并未有效利用舰船目标层次化分类体系中本身所蕴含的隶属关系信息提高细粒度识别精度。针对舰船目标的层次化分类问题,建立了舰船目标多层级一致性分类数学模型,提出了一种基于层间强一致性分类准则的细粒度识别方法,设计了层间一致性分类损失函数,并构建了多层级兼容舰船目标细粒度识别网络(MLCDet)。经试验验证,该方法有效、鲁棒,资源开销小,能够有效利用分类体系中各类别间的隶属关系提升目标识别精度。在无需部件级标注信息的前提下,将mAP提高了1.3%,与此同时,模型总参数量仅增加0.02%,推断速度不变。     

两类空间目标的非参数姿态判别方法

在详细分析空间轨道目标窄带雷达特性的基础上,利用非参数统计学的随机游程检验理论对空间目标的稳定方式进行判别,从而实现对绕质心旋转和非旋转这两类目标的分类识别。     

空间非合作目标的相对导航粒子滤波算法

针对激光交会雷达作为在空间交会对接过程中的相对导航敏感器,研究了未来特殊背景下,非合作目标航天器对雷达信号发射干扰的情况下的相对导航滤波算法.针对高维模型计算量大的特点对传统粒子滤波算法进行了改进,并与扩展卡尔曼滤波器进行了仿真比较,仿真结果表明改进后的粒子滤波器的滤波效果远远优于扩展卡尔曼滤波器,且计算量优于传统粒子滤波.     

基于投影寻踪的高光谱图像异常检测并行算法

投影寻踪方法能有效提取数据中的非高斯结构凸显异常信息,但在求解最优投影方向时存在计算量大、运行时间长的问题,为提高处理效率,提出一种机群环境下的并行算法.选用偏度和峰度组合作为投影指标,将所有像素光谱作为特定投影方向集依次搜索,求解最优投影方向.在并行计算各候选方向投影指标时,分割图像数据分布存储于各机群结点,数据子块朝候选方向并行投影后,将指标计算式变形分解,使各结点在指标计算过程中所需数据均为本地数据,解决数据局部性问题,并采用一种"轮流作主"的机制提高算法负载均衡程度.利用实用型模块化高光谱仪数据在机群系统上进行测试,达到了较好的加速效果,表明该并行算法具有良好的并行性能.     

首颗美国海军MUOS卫星完成地面试验

据spacenews报纸2010年6月21日刊,洛马公司目前完成了美国海军“移动用户目标系统”（MUOS）卫星的一系列地面试验。MUOS是下一代窄带战术卫星通信系统,设计用于为美军提供最先进的移动技术,包括同步音频、视频和数据,以及改进的服务。卫星系统计划由五颗卫星组成,