修正的概率数据互联算法

阐明了概率数据互联(PDA)算法能很好地解决密集环境下的目标跟踪问题,在该算法基础上,人们又提出了联合概率数据互联(JPDA)算法和一些基于 PDA 的修正算法。在概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数)。然而在许多实际情况中,这个参数是很难获取的。针对这一问题,文中提出了一种修正的概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。     

基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

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。     

机载多目标跟踪系统模型和运动补偿

研究多目标跟踪技术在机载雷达应用中的特殊问题——坐标系的选择、载机运动的稳定与补偿。建立了数学模型 ,进行了仿真研究。研究结果表明 :载机运动的稳定与补偿是机载多目标跟踪中必须重视的问题 ,并得出基于 NED和 RHV的组合坐标系下的模型 ,在机载应用中有很好的性能。优点是易于解耦、避免了非线性、降低了计算量、且有较高的精度     

F-35战斗机气动及隐身特性分析

以F-35战斗机为研究目标,对目标体进行三维外形重建,并对重建后的模型进行气动及隐身特性的计算和分析,首先采用了基于飞机三视图进行轮廓线提取来重建F-35全机理论外形的方法,引入了基于草图跟踪的CATIA三视图的标定,大大地提高了模型重建的精度。其次采用非结构网格对F-35的计算区域进行网格划分,采用EULER方程完成了F-35在亚声速、跨声速及超声速等飞行条件下的流场计算,分析了不同状态下的升力、阻力和大迎角气动特性。最后利用曲面像素法对F-35全机高频雷达目标特性进行了计算,提出了一种基于IGS数据转换格式的隐身计算网格生成方法,比较了不同俯仰角及方位角下的RCS特性曲线,分析了对RCS影响比较大的部件。     

无需辅助数据的分布式目标自适应检测器

在非高斯背景和没有辅助数据的条件下,研究了高分辨率雷达分布式目标的自适应检测问题.首先采用有序检测理论和协方差矩阵的迭代估计方法粗略估计散射点集合,进一步利用迭代估计方法获得协方差矩阵的近似最大似然估计,提出了无需辅助数据的自适应检测器(ADWSD).ADWSD在非高斯背景下具有近似恒虚警率特性,且检测性能远好于修正的...     

基于目标距离的末制导雷达最优搜索图模型

深入研究了反舰导弹末制导雷达目标捕捉模型,以末制导雷达第一方位搜索周期捕捉概率和全程搜索捕捉概率为约束条件,建立了以末制导雷达第一方位搜索周期扫描面积为目标函数的末制导雷达最优搜索图求取模型,解决了基于目标距离的末制导雷达最优搜索图参数求取问题,并利用多项式拟合,得到了最优搜索图参数工程实现方法,该方法易编程、计算量小、占用内存少,是一种简单、实用的中远程反舰导弹末制导雷达最优搜索图参数实现方法。     

空间机器人捕获漂浮目标的抓取控制

提出了动态抓取域用于空间机器人捕获漂浮目标的抓取控制。空间机器人捕获漂浮目标时,由于机械臂与基体的动力学耦合、抓取时的碰撞激振等非线性特性使得抓取控制变得复杂而重要。首先建立了空间机器人及漂浮目标的动力学模型,而后引入了末端装置抓取目标时的碰撞模型,并提出了"动态抓取域"用于机械臂抓取目标时的控制,同时应用关节主动阻尼控制,以减小抓取碰撞激振对空间机器人冲击的影响。结果表明:在相同抓取时间下,加速抓取明显优于匀速抓取,碰撞力振幅减小至匀速抓取时的20%,对空间机器人的激振冲击明显消除,仅在抓取结束前有小幅激振。这对空间机器人的抓取控制有着重要的理论价值及工程实际意义。     

同步误差条件下的空间目标双基地ISAR自聚焦算法

以空间目标为研究对象,针对双基地雷达时间、空间及频率同步误差导致的逆合成孔径雷达图像散焦问题,提出基于离散多项式相位变换的自聚焦算法。算法首先将目标平动、转动及同步误差导致的相位项统一建模为高阶多项式,利用离散多项式相位变换方法估计高阶多项式系数并据此构建补偿相位项,完成高阶相位补偿。最后进行方位压缩得到高聚焦度的二维ISAR像。算法通过选取合适的延时参数及成像积累时间可得到高精度参数估计及相位补偿,理论分析和仿真校验了算法性能优于常用的非参数化自聚焦算法。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。