基于BICMOS电流控制型多路输出电源的研制

介绍一种适用于低压、宽范围供电的多路输出DC/DC变换器,在功率电路中使用无损耗箝位电路实现了变压器磁芯的复位,控制电路使用第三代BICOMS电流控制型PWM,简化了电路设计、降低了噪声敏感度,给出了多路输出电源中变压器和耦合电感的工程设计的详细过程,同时分析了多路输出耦合电感对负载交叉调节性能的影响.研制的变换器输入电压范围8V-40VDC,输出5V/3A、±15V/0.5A、 10V/0.5A.     

基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

Lognormal杂波环境中基于Hough变换的目标检测

给出了基于Hough变换的信号检测结构,推导了Lognormal分布杂波背景下基于Hough 变换检测器的检测性能的解析表达式,设计了具体的仿真环境和仿真流程,对基于Hough变换检测器在非起伏目标和四种Swerling起伏环境下的目标检测性能进行了分析。     

基于解析解的人字齿轮齿廓修形动态分析

根据人字齿轮传动的结构,考虑时变啮合刚度、齿侧间隙,并把齿廓修形作为一种时变齿侧间隙计入,建立了单级人字齿轮传动的弯-扭-轴耦合动力学模型和相应的非线性动力学方程.对方程的数值解进行分析,发现合理的修形使人字齿轮传动不发生齿面的完全分离.基于多尺度法对不发生齿面完全分离时的人字齿轮传动系统进行了摄动分析,得到了系统在主共振频率附近幅频响应的近似解析解.相比数值方法,解析法具有很高的求解效率.最后,根据近似解析解研究了修形参数对动载系数幅值的影响.研究发现:螺旋角越大使动载系数最小所需的修形量越大,而所需的修形长度越小.另外,使动载系数最小的最优修形参数解域呈新月形,其随着主动轮支承刚度的增大而先增大后减小;随着被动轮支承刚度的增大而持续减小.      

毫米波制导导弹系统误差及捕获概率研究

分析了毫米波制导导弹系统误差源及其分布特性,该误差直接决定所需导引头动态视场的大小;对导引头动态视场的影响因素进行了分析,并计算了导引头在不同条件下的动态视场,基于此计算了导引头捕获概率。研究结果可以直接应用于毫米波制导导弹的工程研制,并且可以对同类的自寻的导弹工程研制起借鉴作用。     

基于自适应混合高斯模型的运动目标检测

随着智能视频监控应用领域的不断拓展,为了在各种复杂场景下都能快速稳定地检测出运动目标,众多研究者提出了很多解决方法。鉴于背景减除法自身在算法理论的复杂度小,且对不同场景适应性强的优点,成为运动目标检测研究领域的基础方法。而在背景减除法的各种背景建模方法中,混合高斯模型方法以其适应性强、灵活高效的优点成为该领域的经典方法。详细介绍了背景更新机制中常用的混合高斯模型,并据此研究了基于自适应更新率的高斯背景建模方法,经过对比试验,论证了改进方法在建模速度上的大幅度提升。     

红外目标与环境的视景重建技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题,提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程.基于数学形态学理论实现了图像背景感知的应用研究算法.实验测评表明,该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力     

基于改进SURF和P-KLT算法的特征点实时跟踪方法研究

 针对视频序列中运动目标的实时跟踪问题,提出一种基于改进SURF算法和金字塔KLT算法相结合的特征点跟踪方法。首先人工标定目标区域,利用改进的SURF算法分块快速提取具有高鲁棒性、独特性的特征点;然后在后续帧中应用金字塔KLT匹配算法对特征点进行稳定跟踪,采用基于统计的方法剔除错误匹配对;最后利用Greedy Snake分割算法提取轮廓确定更加精准的位置信息,更新目标区域。为使算法更具鲁棒性,还设计了离散点筛选、自适应更新策略。利用飞行视频数据库进行了大量的仿真,结果表明:该算法适用于多尺度图像序列中位置、姿态发生快速变化且结构简单的飞行器的稳定跟踪。帧平均时间为31.8 ms,比SIFT+P-KLT跟踪算法减少47.1%;帧几何中心、目标轮廓面积平均误差分别为5.03像素、16.3%,分别比GFTT+P-KLT跟踪算法减少27.2%、56.9%,比SIFT跟踪算法减少38.6%、68.4%。     

临近空间高超声速目标滑跃式轨迹Sine-AIMM跟踪算法

针对单一的Sine模型算法无法与临近空间高超声速目标滑跃式轨迹准确匹配,现有的交互多模型(IMM)算法跟踪效果也不够理想的问题,提出一种基于多重贝叶斯准则的自适应交互式多Sine模型(Sine-AIMM)临近空间高超声速滑跃式目标跟踪算法.算法采用多个Sine模型对滑跃式轨迹进行匹配,并利用多重贝叶斯准则在线调整各模型...