基于目标与相关背景的多特征融合跟踪小目标

本文研究在红外图像序列中跟踪运动小目标的问题。考虑到小目标跟踪要求能够保证跟踪的目标在需要的视场内，同时受到跟踪平台转动的影响，背景在视场内处于时变状态，不能仅仅利用目标的时域轨迹连续性进行跟踪。因此，算法充分利用了目标与相关背景的分布、灰度、形状边界等信息，并加以融合。算法通过在实际包含随机目标的红外图像序列中的应用，它的有效性得到了证明。     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。     

变目标方位角导引法

研究一种用于近程弹道式地－地弹的导引法，它是借用空－空弹常值目标方位角导引法的概念，把它改变成按弹道设计需要而变化的目标方位角导引法，去攻击地面固定目标，它有减小气动阻力，提高命中相对精度的优点，称它为变目标方位角导引法。     

印度航天成功的启示

20 0 1年 10月 2 2日 ,印度成功地用“极轨卫星运载火箭” (PSL V)把 3颗卫星送入预定轨道。这 3颗卫星中有 1颗是印度的侦察卫星 ,另外 2颗分别是比利时和德国的。印度航天界认为 ,这标志着印度已跨入世界航天大国的行列。此前的 4月 18日 ,印度将新一代“地球静止卫星运载火箭” (GSL V)成功地发射升空 ,并将 1颗重达 15 40 kg的试验通信卫星送入地球同步轨道。这种火箭是印度政府费时 10年、耗资近 3亿美元的航天“力作”。2 0 0 1年 7月 7日 ,印度退役空军上校、原印度动力有限公司主席戈帕拉斯瓦米在美国盐湖城参加“全球动力推进…     

用于单级入轨的三组元发动机参数优化

针对可重复使用的天地往返运载器运载任务，以三组元发动机的性能计算，分析为基础，以运载器的结构干质量为优化目标，对三组元发动机参数进行了优化分析。得到了对应于最小运载器干质量下的发动机最佳参数与发动机最佳模式转换时间，为将来的发动机详细设计打下基础。     

匹配数据的平滑滤波技术

讨论了匹配测量数据的平滑，滤波和外推问题，所谓匹配测量数据是指位置参数和速度参数呈求导的匹配关系，提出了利用数据的匹配特性这一先验信息来改善多项式最小二乘滤波器的设计，对测量数据中的位置和测速数据进行统一处理，在最小方差意义下给出了平滑滤波公式及其效率方差比，由于充分利用了先验信息，减少了待估计参数的个数，显著提高了参数的估计精度，仿真计算结果表明该方法能显著改善目标运动参数的估计精度。     

广义凸多目标分式规划解的充分条件及其对偶定理

最优性条件及对偶性理论是数学规划理论的最重要的组成部分，文[1]讨论了广义不变凸分式规划的最优性充分条件及Mond-Weir型对偶，但其中的主要结论是错误的。本文改正了文[1]的一个主要错误，并人出了广义不变凸多目标分式规划的解的几个充分条件，讨论了它的另一种对遇模型，证明了弱对偶和强对偶定理。     

空间双臂机器人抓捕非合作目标后的协调稳定控制

由于非合作目标惯性参数的不确定性以及双臂操控目标的拉扯/挤压作用,空间双臂机器人稳定非合作目标的过程中机械臂末端与目标可能产生过大的接触力与力矩,从而可能对目标造成损伤.针对该问题,提出了一种协调稳定控制方法,通过协调双臂期望运动实现双臂末端与目标交互的柔顺,降低稳定过程中产生的接触力与力矩.首先,利用目标惯性参数的估...     

对一种月球与火星探测多程微波测量链路定轨定位的数值模拟初步分析

轨道器精密定轨与着陆器的精确定位在深空探测任务中具有非常重要的科学意义。对一种月球与火星探测多程微波测量链路的定轨定位能力进行了初步仿真分析,推导了这种多程微波测量链路的测量模型,分析了该模型的优势。模拟仿真分析结果表明,此测量跟踪模式的数据具有提升轨道精度的潜在能力,并且同时求得着陆器的位置。定量分析表明,在考虑坐标系转换误差,重力场误差,行星历表误差以及星上转发误差的情况下,模拟1 mm/s的噪声,对于月球探测器来说,轨道器的定轨精度可达几米,着陆器的定位精度有望达到分米量级;对于火星探测器来说,轨道器的定轨精度可达到数10 m,着陆器的定位精度可达到几米。     

基于改进YOLOv5的飞行员异常行为识别方法

为了快速准确地识别飞行员在驾驶舱内的异常行为,以保证航空安全,设计了一种基于改进YOLOv5算法的驾驶舱内飞行员异常行为识别方法。在YOLOv5的骨干网络中加入坐标注意力机制,获取在位置和方向上的特征信息,增强对注意力信息的敏感程度;改良交并比作为损失函数,提高模型计算速度和精度。训练自制飞行员异常行为原始数据集,实验结果表明,在模拟飞行驾驶舱中进行测试,能够准确快速识别飞行员的3种异常行为,平均精度达到98.3%,满足了识别要求。