一种基于窄带雷达的低轨空间目标识别方法

通过分析低轨空间目标的姿态运动对窄带回波脉冲数据的调制,表明低轨空间目标窄带回波脉冲数据信号的相位比幅度包含了更多的目标特征信息。采用小波分析从实测窄带相参回波特性数据的相位中,估计低轨空间目标的整体运动趋势,判别低轨空间目标的粗略类型,并通过大量实测数据的实验结果验证了该方法判别低轨空间目标粗略类型的有效性。     

自主近距空战中敌机的战术动作识别方法

为了识别自主近距空战中敌机的战术动作,提出一个两级识别系统.该系统由基本动作识别和组合动作识别两部分组成.其中,基本动作识别采用模糊推理方法,并模拟飞行员的思维过程,用"模式记忆"方法平滑推理结果的抖动;组合动作识别以基本动作序列为输入,采用时间自动机组成并行结构,提取各组合动作的主要几何形态,使识别系统具有良好的可扩展性和鲁棒性.通过仿真对识别系统进行验证,结果表明该系统能有效地识别敌机的战术动作.      

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

基于模态测试数据的阻尼矩阵与陀螺矩阵的修正

提出了一种基于不完备复模态测量数据修正阻尼陀螺系统有限元模型的有效数值方法。在假定分析质量矩阵与刚度矩阵是精确的情况下,通过求解一个约束最优化问题,得到了满足特征方程的加权Frobenius范数意义下的最优修正矩阵。     

直线参数检测的快速哈夫变换

在直线参数检测的哈夫变换中,基于两点确定一条直线的几何原理,可以消除图像点与参数点对应关系中的不确定性,利用这个原理可缩小每个非零图像点对应的参数空间,减小每个非零图像点的计算量.同时将整幅图像分成小块表决,能大幅度减少哈夫变换的总计算量,而参数检测的精度保持不变.      

降落伞拉直过程的多刚体模型

采用多刚体模型研究了降落伞的拉直过程。在动力学模型中将引导伞、伞包、拉出的伞绳及回收物处理为开链式多刚体;在仿真算法中提出了求解绳段间约束力的n阶递推算法。利用该模型可以研究降落伞拉直过程中的“绳帆”现象。     

一种星图识别的星体图像高精度内插算法

介绍了一种从星敏感器成像中高精度提取恒星位置和星等的方法.这种方法把星光成像看成是高斯点扩散函数模型,利用线性内插和最小二乘法方法,拟合得到高斯曲面参数.从高斯曲面模型中得到亚像素级的恒星位置和恒星星等.理论研究表明,曲面拟合法提取的星体位置精度高于传统的质心法.由于直接进行高斯曲面拟合计算非常复杂,为了简化计算,利用了星体成像点附近x,y方向的非线性插值方法,分别得到不同的曲面系数.仿真结果显示,在信噪比小于0.05时,定位精度小于1/20像素,星等误差小于5%.     

利用H.264中运动矢量实现运动目标检测

针对视频压缩和运动目标跟踪同时实现的应用,通过研究H.264压缩标准中运动矢量包含的图像运动信息并分析运动估计原理,提出了一种利用视频压缩中的运动矢量信息实现运动目标检测的方法,确立了H.264编码流中运动矢量与场景中物体运动状态的对应关系.将运动目标从背景中分离是检测算法的核心.对于双门限值的设置,可分离不同运动速度的目标;同时,算法排除了背景运动的干扰,因而可应用于摄像机运动的场合;由于检测算法所用的运动矢量直接来源于H.264编码过程,而大大降低了计算复杂度,利于硬件实现.     

基于实时观测数据的大气密度模式修正

针对国际大气密度模式NRLMSISE-00, 以中国神舟飞船探测数据为基础, 提出一种基于实时大气密度观测数据的模式修正方法. 通过计算分析模式计算结果与探测数据的误差分布特征, 针对地磁相对平静期(Ap≤ 30)模式计算的误差特点, 建立了一种平均误差修正方法, 即认为在相对平静期, 在相同纬度和地方时, 模式误差基本相同, 某一时刻模式预测误差可以近似用与其相同纬度和地方时的平均误差来替代, 从而对模式预测结果进行修正. 以神舟4号探测数据为基础, 通过对模式预测结果采用两种方式进行修正, 可以看到模式误差得到了一定的改善. 采用误差库累积准实时修正, 修正后的误差由原来的20 %降至6 %; 采用误差库5天滑动预报修正后, 模式提前1, 2, 3天的预测误差由原来的20 %分别降至7.8 %, 9.4 %和10.5%.      

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。