用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

基于检测前跟踪的超视距雷达微弱目标检测方法

天波超视距雷达（over-the-horizonradar,OTHR）通过快速傅立叶变换（FFr）实现相干积累,再利用常规的方法进行目标检测。但这种方法在弱目标、低信噪比的情况下效果并不好。本文提出了一种基于检测前跟踪（track-before-detect,TBD）的OTHR弱目标检测方法,利用数学形态学对每帧弱目标回波信号进行滤波,再通过动态规划方法进行检测。仿真结果表明,该方法能够有效地提高OTHR对弱目标的检测能力,运算效率高,实用性强。     

一种因果故障诊断方法的故障源候选集排序方法研究

对Bandekar提出的一种因果故障诊断方法,在因果关系图的基础上利用模糊阈值及模糊评判矩阵,提出了一种能够利用故障概率,对故障源候选集进行排序的方法。该方法有利于故障定位,可提高故障诊断速度,同时还使诊断结果对噪声及参数选择具有鲁棒性。     

基于UKF的反辐射导弹抗机动雷达短时关机仿真研究

抗雷达关机是反辐射武器的一项重大关键技术,也是反辐射导弹不可避免要考虑的难题。本文提出了一种被动雷达寻的头与无迹卡尔曼滤波技术相结合的抗机动目标雷达短时关机方案,基于机动目标"当前"模型建立状态方程和非线性观测方程,利用UKF估计理论对反辐射导弹抗关机性能进行了仿真计算。仿真分析表明,在机动雷达关机时间较短时,本文方案对抗机动雷达关机具有可行性。     

航炮地面热校靶的仿真分析

由于航炮系统结构的复杂性,在热校靶靶试精度调整过程中面临地面热校靶靶试精度低问题,需要依靠进行反复的实弹射击,而这一过程通常要花费很大代价(消耗弹药、降低航炮的使用寿命等),利用仿真技术建立航炮仿真模型,并将其置于虚拟试验的环境中进行测试[1],找出热校靶弹着点的分布规律,应用到地面热校靶,有利于实现航炮的靶试精度、提高生产效率、降低成本和缩短靶试周期。本文采用CATIAV5平台建立航炮系统仿真,通过仿真模型的研究[2],提高热校靶靶试精度。     

红外图像中运动小目标的检测方法

红外图像中的动态目标检测是一个比较热门的研究讨论专题,而小目标的检测更是研究的重点和难点。系统分析了红外图像中运动小目标的特性,介绍了几种成熟的运动小目标的检测方法。     

基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。     

遥控武器站中导弹制导信息获取技术研究

遥控武器站是基于视频图像和电驱动实现遥控操作的武器系统,其导弹的制导信息是由电视测角仪获取的.文章在分析电视测角仪功能的基础上,提出在遥控武器站中运用图像处理技术获取导弹制导信息的设计思想.由遥控武器站观瞄系统获取目标和导弹"弹标"光源的视频信息,采用Mean-Shift算法,实时解算显示器上显示的导弹坐标和目标坐标信息.根据弹、目坐标自动求解导弹在飞行过程中偏离瞄准轴线的角偏差,获取导弹的制导信息,从而简化了制导设备,提高了武器站的集成度,方便射手使用.实验结果证明,遥控武器站中采用功能融合思想,运用图像处理技术获取导弹制导信息是可行的.     

光栅信号的一种软件处理方法

以单片机为核心部件,本文提出了一种光栅信号的软件处理方法。文中详细阐述了系统设计原理和软硬件设计流程,光栅检测电路输出的两路差分信号,经调理电路放大、整形、AD转换、再由单片机通过程序控制实现了辨向和细分特性。该软件处理方法简化了系统硬件电路,增强了系统抗干扰能力,提高了分辨率。实验证明该方法具有一定的实用性,可以应用于机床改造和相关的位置检测系统中。     

A novel visual attention method for target detection from SAR images

Synthetic Aperture Radar(SAR) imaging systems have been widely used in civil and military fields due to their all-weather and all-day abilities and various other advantages. However, due to image data exponentially increasing, there is a need for novel automatic target detection and recognition technologies. In recent years, the visual attention mechanism in the visual system has helped humans effectively deal with complex visual signals. In particular, biologically inspired top-down attention models have garnered much attention recently. This paper presents a visual attention model for SAR target detection, comprising a bottom-up stage and top-down process.In the bottom-up step, the Itti model is improved based on the difference between SAR and optical images. The top-down step fully utilizes prior information to further detect targets. Extensive detection experiments carried out on the benchmark Moving and Stationary Target Acquisition and Recognition(MSTAR) dataset show that, compared with typical visual models and other popular detection methods, our model has increased ability and robustness for SAR target detection, under a range of Signal to Clutter Ratio(SCR) conditions and scenes. In addition, results obtained using only the bottom-up stage are inferior to those of the proposed method, further demonstrating the effectiveness and rationality of a top-down strategy. In summary, our proposed visual attention method can be considered a potential benchmark resource for the SAR research community.