基于扩展卡尔曼滤波的机动目标跟踪研究

针对雷达导引头跟踪机动目标问题,建立了一种适于高机动目标探测的非线性系统模型,采用扩展卡尔曼滤波算法推导适用于弹载脉冲多普勒雷达机动目标探测的滤波模型,用以估计俯仰失调角、方位失调角、弹目相对速度和距离等信息,利用系统数学模型对目标加速度及弹目视线角速率进行解算估计。对标称弹道和极限弹道的跟踪仿真表明,所建立的系统模型和滤波设计方案,能够处理真实飞行中存在的部分信息缺失问题,对于极端情况下的遮挡问题也能在一定时间内保证较高的跟踪精度。     

边界片段模板方法在空间探测识别中的应用

以对具有复杂边缘的空间目标进行准确的检测识别为目的,提出一种基于边界片段模板(BoundaryFragment Model)训练模式的空间目标识别方法.方法的步骤是:首先从训练集中提取目标的边界片段组成弱分类器;然后使用Adaboost算法将它们提升训练成为强分类器;对方法进行旋转、尺度、视点的不变性增强;最后将训练好的强分类器模板应用到待识别图像上,进行目标的检测识别.实验结果表明,本方法对带有各种旋转,尺度,以及视点变化的具有复杂边缘空间有形目标具有较好的识别效果.     

侧喷流直接力控制的运载器姿态稳定问题研究

利用侧向喷流对小型固体运载器进行姿态稳定控制具有降低运载器成本和提高起飞质量的优点。研究具有开关型姿态控制发动机的运载器的姿态稳定问题。首先分析了系统的特点和控制器设计问题,建立了控制模型。然后应用描述函数对系统的非线性特性进行伪线性化,通过几何方法分析Nyquist图中系统线性部分与非线性部分描述函数的关系实现鲁棒极限环控制器,给出控制器形式和参数范围,最后针对时域、频域综合指标,运用精英非支配解排序遗传算法对控制器参数进行优化。仿真结果表明系统具有良好的动态、稳态性能,控制器具有很强的鲁棒性。
     

反对称双正交小波在红外图像小目标检测中的应用

在给出利用反对称双正交小波进行图像多尺度边缘提取的相关理论基础上,针对海空背景下远距离小目标的特点,提出了一种海空背景下红外图像小目标检测方法。首先应用反对称双正交小波变换的多尺度边缘检测方法,确定目标的潜在区域,进一步在潜在区域内采用形态学方法提取目标,从而实现了在小波塔式分解数据上的图像边缘特征提取和小目标检测。与采用二进卷积型小波的检测方法相比,具有图像处理数据量小,实现速度快的特点。实验结果表明,该方法能够有效抑制杂波干扰,准确检测出小目标。     

空时接收并行干扰消除器的性能分析及优化

提出一种新的用于DS-CDMA系统上行链路阵列接收加部分并行干扰消除的联合处理方案。在接收端多径信号的阵列处理方面,将传统的RAKE接收改为LS-DRMTA算法,能大大降低基站处理的运算量。在波束形成器之后引入干扰对消器,对传统的并行干扰消除器“硬判决”的缺陷进行优化,改为部分并行干扰消除器,可以更好地检测出期望用户信号,而且避免了消除串行干扰中存在延时问题,仿真结果表明,该联合处理方案简单有效,适合工程应用。     

方位向非均匀采样对多通道天线星载SAR成像性能的影响

方位向周期性非均匀采样是多通道天线星载SAR系统设计时需要考虑的一个重要因素。针对多通道天线星载SAR系统中存在的方位向周期性非均匀采样对成像性能的影响进行了分析。在建立多通道天线星载SAR回波信号模型的基础上,根据成对回波理论和匹配滤波原理推导了由方位向周期性非均匀采样所造成的虚假目标位置与强度的计算公式,并结合成像处理过程分析了二维成像处理算法对虚假目标的影响,给出了二维成像处理后所得到的虚假目标强度计算公式。最后,通过计算机仿真验证推导与分析的正确性。     

分布式小卫星SAR系统GMTI模式构形优化

对分布式小卫星SAR系统地面动目标检测GMTI模式的研究目前正处于广泛探索阶段。如何评价一个分布式卫星系统的GMTI能力，编队构形对GMTI到底有怎样的影响，怎样设计编队使系统GMTI能力最强等问题是文章讨论的内容。从盲速比例的角度出发，提出对系统的GMTI功能进行衡量的定量指标，分析编队构形方式对该指标的具体影响，寻找GMTI模式下可能的编队优化方法。     

基于多目标多学科设计优化方法的再入弹道设计研究

为了研究多目标多学科弹道优化设计,提出了一种基于NSGA-Ⅱ算法的并发多目标协作优化MDO方法MOPCO(Multi-Objective Pareto collaboration Optimization,简称MOPCO).利用系统优化器和学科级优化器的并发性来分解多目标MDO优化问题,解决组织复杂性问题;利用自适应响应面技术来解决计算复杂性问题;利用NSGA-Ⅱ算法来搜索Pareto前沿.标准算例测试表明该算法是可行的.最后将其用于静态/动态混合优化的多目标多学科再入弹道设计,获得了合理的Pareto前沿.     

基于不确定性分析的多传感器航迹融合算法

针对目前多传感器系统中常用的航迹融合方法精度与计算量不能兼顾,不能很好地处理不确定性,特别是对曲线航迹拐点的融合误差较大等问题,提出一种基于不确定性分析的航迹融合算法.该算法通过分析航迹融合所需的信息量,用标准熵量化每条航迹的不确定程度,从总体上删除质量较差的航迹,然后对每条参与融合的航迹进行分析,用正交多项式回归的方法剔除了测量误差较大的数据点.该算法有效的处理了传感器航迹中的不确定因素,解决了目前航迹融合方法中拐点融合误差较大的问题,以较小的计算开销达到了较高的精度,从而平衡了精度与计算量之间的矛盾.最后在多传感器多航迹的环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性、优越性.     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。