机载多传感器数据融合技术在空战中的应用

机载多传感器数据融合是一门新兴的信息处理技术,是继电子战之后又一技术制高点。它应用于空战各个环节,极大地提高了空战态势环境了解能力。本文对机载传感器数据融合的基本概念及其在空战中的应用进行介绍,对我国发展数据融合技术提出了建议。     

多目标测量技术

多目标测量一直是航天器试验和鉴定的一个难点。在前期多目标预研成果的基础上，本文介绍了一种基于“码分多址区分多目标、扩频伪码作单向测距信号、多站距离差定位、单星共视定时”体制的综合测量系统。该系统由6套跟踪测量站组成，能够完成空域内10个目标的遥测和外测。经过试验检验，其站间距离差精度小于5m，站间速度差精度小于0．2m／s，具有广阔的应用前景。     

基于移动渐近线方法的结构多刚度拓扑优化设计

基于人工密度指数法,结合序列分层优化方法和折衷规划法,提出并建立了一种求解复杂工况下连续体结构多刚度拓扑优化设计问题的多目标混合优化策略。连续体结构的多刚度拓扑优化设计问题本质上是一种非线性数学规划问题,以数学规划方法中的移动渐近线方法为基础,提出一种具有较佳全局收敛性和单调性特点的序列凸规划近似方法,该法对于目标函数复杂和多约束的拓扑优化问题具有更好的适定性。通过典型的数值算例证明了所研究方法的有效性。     

SAR扫描区域目标模型分析

根据雷达目标测绘区域的特点，结合地面目标的特性系统，给出了合成孔径雷达的目标测绘区域目标的模拟目标模型。根据该区域目标模型可以计算出测绘区域的目标回波信号，经处理后得到测绘区域图像。实验结果表明该区域目标模型可满足对目标回波的处理要求。     

基于流场/声爆耦合伴随方程的超声速公务机声爆优化

基于自主研发的大规模并行结构化网格CFD求解器PMB3D以及并行化伴随方程求解器PADJ3D,开展了流场/声爆伴随方程的求解研究。首先采用标准算例,对内部CFD代码PMB3D软件和声爆预测代码进行了声爆计算可信度验证,以及声爆强度对近场声压梯度的校核。针对并行环境下多块对接网格的近场声压提取操作的复杂性,提出了包围盒的方法实现并行环境下近场声压装配单元编号、网格块编号以及对应的进程编号确定,基于声爆计算坐标将并行传递的数据进行一维排序,为声爆预测、伴随方程以及梯度求解提供输入条件。通过线性插值雅克比矩阵实现均匀坐标系梯度信息向非均匀坐标转换,并进一步根据结构化网格特征提出了插值原则,简化了近场声压转换雅克比矩阵的变分。通过装配单元记录,实现声爆强度对流场守恒变量的变分结果向各个进程装配,将装配结果作为流场伴随方程的右端项实现流场声爆耦合伴随方程的求解。此外,对小型超声速公务机开展了声爆优化,对比分析了设计前后的声压及其频谱特性。     

带末端碰撞角约束的三维联合偏置比例制导律设计

可拦截高/低速目标并带有末端碰撞角约束的制导律设计是研究难点,为此,设计一种三维联合偏置比例制导(UBPN)律。该制导律采用时变偏置角速率和时变比例系数,结合顺轨、逆轨拦截模式的优点,使用负比例系数拦截高速目标(顺轨模式),使用正比例系数拦截低速目标(逆轨模式)。给出偏置角速率的解析形式及时变比例系数的奇点解决方法,及二维约束碰撞角到三维约束碰撞角的具体实现过程。与比例制导律、负比例制导律、偏置比例制导律进行了对比验证,结果表明脱靶量、碰撞角误差均满足制导精度要求。     

在轨服务中非合作目标空间圆检测方法研究

为自主完成空间服务任务,需要满足各种功能需求、突破多种关键技术。针对在轨服务中具有圆特征的非合作目标空间圆（星箭对接环、发动机喷管等）,首先分析了非合作目标空间圆检测技术在在轨服务系统中的主要应用;然后提出了一种非合作目标空间圆的检测方法,通过Canny算子检测边缘,并用Freeman链码法对边缘进行提取分类,再利用RED算法进行非合作目标空间圆检测;最后给出仿真结果,在保证检测精度的前提下,较传统的RED算法明显降低了算法的耗时量。     

粗糙表面偏振二向反射特性建模方法研究

针对地面目标光学偏振特性预测对基础材质粗糙表面偏振二向反射特性建模的需求,对比分析国内外常用的经验、物理和半经验等3种偏振二向反射分布模型的优缺点及其适用范围,得出半经验模型更适用于地面目标光学偏振特性预测.在此基础上,研究基于半经验Priest-Gemer模型的参数反演方法,并提出相应的测试方法,设计试验测试验证平台.最后,对模型中的影响因子进行仿真分析,分析结果表明：目标表面偏振二向反射特性与表面纹理特征、复折射率、入射光角度、探测方位角、天顶角等因素相关,且复折射率对目标表面反射率及反射光的偏振度影响较大,粗糙度会影响遮蔽与阻挡效应,使其产生突变效应.     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域,目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题,提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先,利用2个卷积网络构建一个5层Siamese网络,通过对模板特征与当前帧图像特征进行卷积得到目标位置;其次,利用高斯混合模型对以往的预测结果进行建模并建立目标模板库;然后,从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板,使Siamese网络能够自适应目标的外观变化;最后,引入回归模型进一步精确目标位置,降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响,具有较高的准确率。