基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

基于折射方向矢量的地球卫星星光折射导航新方法

在星光折射导航中,星光折射视线包含星光折射的大小和星光折射方向两种折射信息,传统的星光折射导航量测量只利用了星光折射大小的信息。但实际上,星光折射方向也是卫星位置矢量的函数,含有卫星位置的重要信息。针对上述问题,提出了一种同时使用两种折射信息的星光折射导航新方法,该方法以星光折射方向矢量为量测量。详细介绍了基于折射方向矢量地球卫星星光折射导航方法的量测量的获取和量测模型的建立,同时对不同影响因素对导航系统性能的影响进行分析。仿真结果表明,该方法的导航精度优于折射视高度和星光折射角两种传统的星光折射导航量测量。     

多航天器协同探测效能影响参数不确定性分析

为解决传统基于蒙特卡洛仿真的探测效能不确定性分析评价方法中时间效率低,参数关系映射单一的问题,提出一种基于神经网络的不确定性分析方法,利用人工神经网络在拟合回归分析上的非线性特性,设计了能够替代复杂系统的神经网络结构,能够通过少量仿真计算结果作为训练样本实现模型的收敛并能有效反映被替代系统的原有特性。选择以一个多航天器的天文观测任务作为典型用例,建立了仿真分析模型,并与蒙特卡洛仿真方法结果进行了对比,验证了此方法的准确性和计算效率。     

毫米波卫星通信网络体系侦察技术分析

卫星通信已经发展为复杂、先进的网络体系,尤其是毫米波抗干扰卫星通信系统,具有频带宽、信息容量大、天线口径小、有较大的增益、有较高的抗干扰性和隐蔽性等独特技术优点,已成为军事技术信息化的核心通信手段。针对单一目标侦察系统侦察能力的不足,分析了发展一体化卫星通信网络体系侦察需要解决的一些关键技术。     

智能天地一体化网络的卫星跟踪测控技术综述

随着卫星互联网和我国航天测控技术的不断进步,航天测控网络朝着智能化、一体化的方向发展,在自主测控、资源分配等方面进展良好。因此,建立智能天地一体化的航天测控网是我国航天未来发展的重要目标。针对智能航天测控网中的跟踪测轨、遥测和遥控三个方面,分别介绍了相关原理与技术。同时,结合CCSDS提出的空间数据链路标准协议详细介绍了TM、TC、AOS、Proximity-1以及USLP标准,分析了不同标准所使用的技术与实际应用。本文从数据链路层和物理层的角度介绍了智能航天测控系统的工作原理及技术要求,为我国智能天地一体化卫星测控通信网的研究提供参考并予以展望。     

惯性推算误差抑制的神经网络自学习模型设计与验证

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

输入受限下流体网络系统控制器设计

由于控制的目标是流体的流量,流体网络是一个高阶的非线性系统。以往这方面的工作都是基于多变量线性模型,文中的设计是基于非线性模型。通过引入电路中的图论理论,建立了流体网络控制系统的非线性模型。基于反输入饱和技术,提出了一种反馈线性化的设计方法。综合运用微分包含、控制原理,得到了所设计系统渐近稳定的结论。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

一种高动态低信噪比卫星导航信号捕获方法

为提升高动态低信噪比环境下卫星导航信号的捕获性能,提出了一种基于分数阶傅里叶变换(FrFT)及部分匹配滤波(PMF)的捕获方法。在该方法中,接收机首先利用PMF对接收信号做分段相干积分,随后借助快速傅里叶变换(FFT)对分段积分结果做离散快速FrFT,最后通过检测FrFT输出的峰值完成信号的捕获。由于具有多普勒频率变化率的卫星导航信号在FrFT后呈现能量聚焦特性,所提方法能够显著提高信号的长时间相干积分增益。同时对所提算法的捕获概率、平均捕获时间以及算法复杂度等性能指标进行了理论分析及计算机仿真验证。仿真表明,与传统的PMF-FFT方法相比,所提方法能够通过延长相干积分时间的方式有效提升高动态低信噪比卫星导航信号的捕获概率、降低捕获时间。     

天地一体化信息网络空间激光通信新技术

空间激光通信是提升天地一体化信息网络传输速率、组网能力、信息安全的重要途径。结合天地一体化信息网络特点,总结国外空间激光通信技术的发展状况,分析有望应用于天地一体化信息网络中的空间激光通信新技术及其优势。希望通过借鉴国外空间激光通信技术发展的经验与启示,促进我国空间激光通信新技术的发展以及天地一体化网络的建设。