一种反舰导弹抗无源假目标干扰算法

利用舰艇和无源假目标干扰在运动速度上的差异,提出了一种使真假目标速度线性方程组总剩余范数最小的真假目标识别算法,并讨论了如何降低目标速度波动和观测误差对算法的影响以及算法失效的特殊情况。最后,通过对一些算例的仿真验证了算法的有效性。     

针板结构内壁面的换热特性研究

应用瞬态液晶测温技术对一种层板（针板）内壁面进行了详细的换热特性研究,实验分别测量了孔间距与冲击孔径比（S/D）为3.2,4.5和5.9,冲击雷诺数Re范围为10 000～40 000下的内表面换热特性,同时和传统层板换热特性进行了对比分析.研究结果表明:针板内壁面平均传热系数随着Re的增加而增大,随着孔间距增大而减小;同时给出了靶面和冲击面的平均努塞尔数Nu与冲击雷诺数Re及孔径比S/D的数学拟合准则式.      

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

非合作无源探测中的假设检验弱目标检测方法

在非合作无源探测系统中,弱目标回波不仅会受到强直达波、强多径的干扰,还会受到强目标的掩盖干扰,因此很难对其进行有效检测。为了解决这一问题,提出了一种基于多择复合假设检验的弱目标检测方法。首先将接收信号投影到多径干扰的正交补子空间内,以消除强直达波和强多径干扰,然后将目标检测看作一个多择复合假设检验问题,建立了与之相应的基本框架模型,利用最大后验估计方法对目标时延、多普勒频移及信号幅度等参数进行估计,构造检验统计量,设置相应的门限,根据假设检验结果,逐个消除强目标干扰从而达到检测弱目标的目的。仿真结果表明,本方法可以有效抑制强直达波、强多径及强目标干扰,有效检测出弱目标,且虚警率低。     

宽带认知雷达低峰均比波形快速设计算法

发射波形设计是宽带认知雷达系统的关键技术。为了提高宽带认知雷达系统对距离扩展目标的检测性能,建立了目标检测模型,分析了系统的检测性能,在此基础之上研究了基于最大输出信干噪比(SINR)的低峰均比(PAR)波形设计算法。通过将原波形优化问题等效为接收权值与低峰均比波形的联合优化问题,同时利用循环优化的思想,提出了一种低峰均比波形快速设计算法。相比于现有的梯度法以及凸优化算法,该算法所设计的恒模波形信干噪比与二者相当,但算法实现难度明显变小,计算复杂度明显降低。仿真结果证实了算法的有效性。     

空间非合作目标惯性参数在轨辨识

在空间冗余机械臂抓捕非合作目标的惯性参数辨识问题中,已有方法大都基于系统动量已知的假设,且辨识过程未考虑基座姿态稳定。针对目标动量未知的问题,设计了具有增量形式的惯性参数分步辨识算法。首先基于线动量方程得到关于质量和质心位置的第一组估计方程,采用增量形式消除未知线动量更新估计方程。辨识结果收敛后根据估计参数计算线动量估计值,代入以转动惯量为未知参数的第二组估计方程中,利用其增量表达式完成对转动惯量的估计。辨识过程中的激励由自适应零反作用控制输入提供,算法在保证基座姿态不受干扰的同时还能对惯性参数精确辨识。仿真结果表明,在30s以内算法已收敛,误差收敛到零的同时,基座姿态角速率控制精度在10^-3以下,说明算法收敛快,精度高,同时还能实现基座姿态稳定。     

基于Hybrid-TOPS的星载SAR运动目标监视新模式

针对传统星载合成孔径雷达(SAR)模式下运动目标测速范围有限、精度低等问题,本文提出了一种基于Hybrid-TOPS的星载SAR运动目标监视新模式。首先,利用混合度因子对星载SAR成像模式进行定量化的描述。在此基础上,通过TOPS模式与逆TOPS模式的组合提出一种运动目标监视新模式,该模式不仅能实现对同一区域的多次观测,且具有方位向连续观测的能力。然后,利用新模式所获取的不同方位向观测角度下的SAR序贯图像,再结合图像配准和基于新模式的运动目标参数反演即完成目标方位向速度信息的精确提取。最后,仿真验证了新模式的有效性与运动信息提取的精确性。      

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

GEO编队空间机器人系统交会方法

针对地球静止轨道（GEO）上被服务航天器的远距离和非合作特点,提出一种高自主、高协同、多任务的编队空间机器人在轨服务系统方案,实现对非合作目标的自主交会接近。首先,分析GEO卫星轨道约束力小的轨道特征和非合作的信息交互特征,给出由操作空间机器人和监视空间机器人组成的编队在轨服务系统,设计交会接近相对测量分系统以及在轨服务飞行任务;接着,给出典型远距离交会接近的多视线相对导航方法与多冲量相对制导律;最后,进行远距离交会任务仿真校验,结果表明编队空间机器人交会接近方法是有效的。