基于改进YOLO V5的无人机航拍图像小目标检测方法

本文针对无人机航拍目标检测技术中目标聚集、目标较小及实时性差等问题,将YOLO V5的主干架构进行改进,简化Neck网络,提出了一种提高检测速度又能准确识别的无人机航拍图像检测技术方案。经过仿真实验测试,改进后的YOLO V5网络在保持识别精度的同时,检测速率提升了31%,满足无人机在航拍作业时对于准确性与实时性的要求。     

高空长航时无人机总体参数多目标优化

以高空长航时无人机的总体方案研究为背景,对高空长航时无人机总体参数建立了多目标优化模型,运用多目标遗传算法进行优化设计,最后通过建立的计算机程序得出优化结果.多目标优化用于高空长航时无人机总体参数优化,可以更加合理地评价高空长航时无人机的总体参数的最佳组合,避免设计上的缺陷,提高设计效率.结果表明,高空长航时无人机优化后的总体性能得到改善,说明该方法适用于高空长航时无人机总体方案的优化设计,对方案研究有一定参考价值.     

一种混合的多机动目标跟踪算法研究

提出了一种混合的多机动目标跟踪算法:交互多模型模糊联合概率数据关联算法(IMM-FJPDA),该算法将交互多模型算法(IMM)和模糊联合概率数据关联算法(FJPDA)相结合,它克服了IMM-JPDA算法计算量大和IMM-FDA算法在强杂波环境中跟踪精度差的问题.给出了基于模糊C均值(FCM)算法的多机动目标跟踪步骤.仿真结果表明IMM-FJPDA算法跟踪精度与IMM-JPDA算法相当,但计算量明显减小,提高了跟踪实时性.     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法,提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO),并求取SO的运动参数,利用真实目标和类目标干扰的不同运动特性,应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰,从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中,一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明,该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰,降低虚警目标的数量。     

PCA在雷达目标识别中的应用研究

研究了宽带高分辨雷达目标识别中的特征压缩问题.首先提取目标一维距离像双谱特征,然后应用主元分析法(PCA)降低目标特征维数,最后利用支持向量机对3类实测目标数据进行识别.实验结果表明,对雷达目标识别来讲,PCA是一种可行的特征压缩方法.     

基于信息可信度的空中目标识别方法

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一.将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计.该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性.     

基于RCS观测序列的空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于RCS观测序列的空间目标识别算法.该算法首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别空间目标.应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果.     

基于Radon-Wigner变换的多运动目标成像

针对逆合成孔径雷达波束内多个平稳飞行目标在距离上重叠的情况探讨多运动目标成像.首先建立多目标回波模型,由分析得出某一目标的回波在一个距离门内对应一组线性调频信号、信号参数在不同距离门内呈规律性变化的结论.据此提出一种基于Radon-Wigner变换(RWT)对多目标信号进行参数估计及分离的多目标成像算法.仿真结果说明了该方法的有效性.     

未知空间目标纹理缺失表面三维重建算法

针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题,提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架,通过在训练过程中引入多个复杂结构模型,提高该深度估计框架的泛化能力;其次,利用TSDF对各帧图像所估计的深度信息进行融合,实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验,对于300 mm尺寸的卫星模型图像,像素深度估计平均误差约为13 mm,通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计,并获得目标完整的三维结构与纹理信息,有效解决无纹理区域的重建结构缺失问题。     

基于多目标优化的星空认知网络鲁棒波束成形算法

卫星通信(SC)网和无人机(UAV)通信网之间频谱共享、相互融合,能较大提升频谱效率,有望成为第6代移动通信的关键技术之一。与现有文献不同,本文在系统非完美信道状态信息(CSI)的条件下,考虑了次级用户可达速率最大化和发射功率最小化2种准则,利用加权切比雪夫方法构建满足概率约束的多目标优化问题(MOO);由于该问题较为非凸,利用概率公式、半正定松弛等方法将其转化为凸问题,并进一步通过半正定规划(SDP)求解,得到鲁棒波束成形权矢量,获得2种性能指标间的帕累托最优权衡。计算机仿真验证了所提鲁棒波束成形算法的有效性和优越性。