基于频域DPCA的星载SAR动目标检测、测速与定位

给出基于频域DPCA的星载合成孔径雷达 (SAR)动目标检测、测速及定位的实现方法。首先建立星载SAR沿航迹向三孔径天线空间几何模型 ,并详细分析星载SAR三孔径天线机理及信号特性 ,然后分析并推导基于频域DPCA实现对地面背景杂波淹没的运动目标检测、径向速度分量估计以及目标定位的方法。最后 ,计算机仿真结果验证其有效性     

海洋目标探测卫星的通用效能模型初探

为有效构建海洋目标探测卫星体系，建立一套能对各类卫星的海洋目标探测效果进行分析与评估的通用效能模型非常重要。初步建立了以目标探测概率为度量的海洋目标探测卫星通用效能模型，可用于光学成像、雷达成像和电子侦察卫星等。模型考虑了影响目标探测概率的三类主要因素即观测区域与目标特性、卫星平台参数和卫星有效载荷特性，分析了卫星技术性能指标和作战性能指标的相互关系，可作为海洋目标探测卫星体系需求分析、顶层设计以及效能评估的依据。并以大型舰船为探测目标用仿真结果说明了模型的适用性。     

雷达／红外综合探测系统抗干扰能力的建模

选择目标探测概率这一性能参数衡量雷达/红外综合探测系统的抗干扰能力,建立了压制式干扰情况下该综合探测系统的目标探测能力的数学模型,并通过计算机仿真验证了该模型的适用性。     

反导系统中的目标识别技术及其发展趋势

指出了反导系统目标识别的难点和特点。回顾了反导系统中的红外识别技术和雷达识别技术,并探讨了反导系统目标识别技术的发展趋势。     

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。     

双星TDOA/FDOA定位系统的目标定位精度分析

根据双星时差/频差(TDOA/FDOA)的定位原理,推导了目标定位精度模型,分析了目标定位精度与轨道高度、星间基线长度、TDOA测量精度、FDOA测量精度、卫星速度测量精度、卫星位置测量精度等误差源之间的关系。分析结果表明:测量因素中的FDOA测量精度和卫星速度测量精度,是影响双星定位的关键因素;而TDOA测量精度和卫星位置测量精度,对目标定位精度的影响较小。     

空间目标双基地ISAR一维距离像速度补偿方法

空间目标的高速运动会造成双基地ISAR一维距离像的畸变,针对此问题,研究了相应的速度估计与补偿方法。基于中频直接采样匹配滤波非相参双基地ISAR成像系统,首先研究了高速运动对双基地ISAR成像的影响,其次利用雷达基带回波具有的稀疏性,构造出与高速运动目标回波特性相匹配的冗余基并对其进行稀疏分解,然后据此估计出回波的调频斜率,进而估计出目标的无模糊速度,最后构造补偿相位项完成对宽带回波的速度补偿。算法补偿精度高,且无测速模糊,空间目标理想散点的仿真实验验证了补偿方法的有效性。     

非合作大目标位姿测量的线结构光视觉方法

空间机器人与非合作大目标交会接近最终段,单目相机不能获取完整的特征图像而无法完成相对位姿测量。针对此问题,提出基于线结构光和单目视觉的相对位姿测量方法。以非合作大目标上的局部矩形特征为测量对象,首先,建立相对位姿测量模型并给出四个测量坐标系之间的关系;其次,通过相机对不完整矩形和线结构光的约束获得四个特征点在相机坐标系下的坐标;然后,利用四个特征点计算相机坐标系与目标坐标系之间的转移矩阵;最后,将转移矩阵分解得到矩形特征的相对位姿。通过改变影响测量精度的输入误差和标定误差等因素对该方法进行仿真验证,结果表明该测量方法是有效的。     

一种实用的目标跟踪算法

针对很多高精度目标跟踪算法不能满足实时性要求的问题,提出使用Harris角点检测方法提取目标的少量特征;使用高精度的光流法对提取的部分特征点进行匹配;使用重心算法计算分散特征点的中心作为目标的脱靶量。该算法在保持精度的同时,提高了速度。设计的系统已经应用到实际工程中,对目标旋转、光照变换、变形等具有较高的鲁棒性,并且能够在20ms内完成目标位置的计算,满足实时目标跟踪的要求。