基于优化加权高分辨距离像的雷达目标识别(英文)

对雷达目标高分辨距离像进行特征加权可以解决高分辨距离像各距离单元因目标姿态变化而导致的稳定性不一致问题。针对已有加权系数求解方法存在的不足,提出一种加权系数优化方法。该方法通过定义目标函数来度量不同雷达目标之间加权高分辨距离像的可分性,并采用梯度下降算法优化加权系数值,从而达到增强高分辨距离像稳定距离单元作用,减小不稳定距离单元影响的目的。基于5种飞机目标模型高分辨距离像的仿真实验表明,该方法可以有效优化加权系数,并提高雷达目标识别率。     

Turbo码块同步参数优化设计

在信道码码块同步技术研究的基础上,针对CCSDS(空间数据系统咨询委员会)建议规定的Turbo码,为不同码块长度、不同编码效率的Turbo码设计一组最佳同步参数,以最优化平均入锁时间和数据有效率。利用理论推导出的解析公式,计算不同参数下的平均入锁时间和数据有效率,从而优选出最佳同步参数,并归纳总结最佳同步参数的特点。本文得到的同步参数可为实际工程提供参考。     

复杂背景下远距离合作信标识别与定位

传统的飞行器合作信标测控中,以常规光源作为信标,不具备复杂环境的适应能力,尤其存在主动干扰源的情况,如何准确识信标是电视跟踪与测控领域的重点研究内容。本文对信标设计与识别定位方法进行研究,采用激光光源作为合作信标,设计可调制驱动电路,将信息编码调制技术应用在调制光源中,实现了可调制合作信标;并设计了调制与成像解调耦合的处理算法,可有效区分干扰目标与真实目标。试验结果表明,本文设计的可调制信标满足需求,调制与解调处理算法可实现合作信标的精确识别与定位,具备抗干扰能力。     

润滑油金属磨粒的分类参数研究

 针对润滑系统中普遍存在的 8类金属磨粒,通过引入数字图像描述方法和处理技术,分别对磨粒的尺寸、形态、表面纹理以及颜色等参数进行了详细的研究,获取了各类磨粒识别的最佳参数,并提出了磨粒的分层识别策略,最后运用模糊 C-均值聚类方法实现了 8类磨粒的有效聚类。算例表明了本文方法的有效性。     

基于弹性网稀疏编码的空间目标识别

 传统的特征袋(BoF)模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外,l₁范数约束下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征,而不关注哪一个特征被选择。本文提出一种基于弹性网稀疏编码的特征袋模型。该模型利用尺度不变特征变换(SIFT)特征描述子构建特征字典,再通过弹性网回归模型求解每个描述子所对应的稀疏系数向量,最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l₁范数稀疏编码的特征袋模型相比,该模型有较好的识别性能,并对视角变化具有较强的鲁棒性。在空间目标图像数据库上的实验验证了该模型的有效性。     

现代飞机前缘缝翼作动装置——齿轮-齿条的设计技巧

前缘缝翼在飞机起飞、降落中起到提高飞机升力、改善飞行性能的重要作用。新型的缝翼作动装置—齿轮-齿条,由于构思巧妙、占用空间小、重量轻而备受重用。在小齿轮与大圆弧齿条设计中,诸多参数的确定、关键细则的设计、全机多作动装置的协调、故障载荷的计算与深入分析,构成了其设计的重点和难点。采用此方法研制的齿轮-齿条装置已成功应用在飞机中。     

一种利用极化信息的HRRP-ATR方法

在研究了单极化条件下高分辨率距离像的目标识别后，给出一种利用目标全极化信息的投票识别方法。实验结果表明，该方法具有较高的识别率。     

模糊模式识别方法在最后进近排序中的应用

介绍了美国正在研究的最后进近间隔工具(FAST)的排序思想,利用该排序思想,讨论了模糊模式识别排序理论在最后进近中的具体应用,并进行了仿真.仿真结果表明,该方法能很好地模拟管制员的决策过程,使到达飞机流快速而有序地进入机场着陆.     

交会对接成像敏感器的光点筛选改进

首先介绍了交会对接成像敏感器图像光点匹配算法.基于对在轨图像光点动态特性的研究,为解决交会对接过程中目标误识别、误匹配,以及匹配、适配过程严重耗时的缺陷,提出了光点形状筛选和光点大小分组2套匹配改进算法,并设计了基于光点形状大小动态特性改进的光点匹配算法.该方法以交会对接走廊中不同相对距离时目标光斑大小的最大差别为依据,针对每一个光点,仅将光斑大小与其在同一合理范围内的其他光点一起进行目标匹配.实验结果表明,该方法杜绝误匹配等异常错误的同时,极大地提高了运算效率.该方法可以成为在轨交会对接末段制导实时测算的重要保障,目前已在众多航天器在轨交会对接、空间交会逼近试验中使用.     

Variational Bayesian labeled multi-Bernoulli filter with unknown sensor noise statistics

It is difficult to build accurate model for measurement noise covariance in complex back-grounds. For the scenarios of unknown sensor noise variances, an adaptive multi-target tracking algorithm based on labeled random finite set and variational Bayesian (VB) approximation is pro-posed. The variational approximation technique is introduced to the labeled multi-Bernoulli (LMB) filter to jointly estimate the states of targets and sensor noise variances. Simulation results show that the proposed method can give unbiased estimation of cardinality and has better performance than the VB probability hypothesis density (VB-PHD) filter and the VB cardinality balanced multi-target multi-Bernoulli (VB-CBMeMBer) filter in harsh situations. The simulations also confirm the robustness of the proposed method against the time-varying noise variances. The computational complexity of proposed method is higher than the VB-PHD and VB-CBMeMBer in extreme cases, while the mean execution times of the three methods are close when targets are well separated.