机载三通道SAR/GMTI性能分析及改进方法

在分析经典的三通道SAR(Synthetic Aperture Radar)地面动目标指示(GMTI,Ground Moving Target Indication)方法原理的基础上,提出一种较全面三通道SAR/GMTI性能评价方法.该方法同时考虑了载机存在速度误差、通道不匹配、杂波内部运动和系统噪声等主要误差因素,并分析了各种因素对系统性能的影响.经典的三通道SAR/GMTI方法存在的缺点是不能同时提高最大不模糊可检测速度、最小可检测速度和盲速指标的性能以满足系统设计的要求.给出了一种新的天线布置方案和动目标检测方法,改进的检测方法在不增加通道数的前提下,较好地解决了该问题,具有很好的实用性.最后通过计算机仿真验证了新方法的可行性.     

雷达波形与抗干扰

雷达波形有多种形式,通过分析雷达波形与测量精度和分辨力的关系,明确了几种最常用雷达波形的特点。为提高雷达的抗干扰能力,选定一种理想波形,为新型雷达的波形设计提供参考。     

X波段单发多收体制下用于解距离模糊的时变二相码波形优化设计

针对小卫星雷达系统由于天线尺寸受限、宽波束照射面积大而带来的方位模糊,通过采用高脉冲重复频率来解方位模糊,然后利用发射波形的时变特性来解决高重频带来的距离模糊。基于此,采用了一种梯度遗传算法对多发射二相码波形进行优化,使其自相关峰值、积分旁瓣电平和互相关主副比、积分旁瓣电平尽可能的低。同时对多约束构成的适应度函数进行自适应尺度因子加权,以克服不同约束带来的不同数量级所造成的优化倾向问题。仿真结果和性能分析验证了该算法的有效性和可行性。     

基于Faster R-CNN的精密零部件的识别方法

在航空航天领域中,惯性陀螺等精密器件装配精度要求较高,目前大多采用人工装配的方法,装配效率低、装配过程受人主观影响大。针对上述存在的问题,采用基于Faster R-CNN模型的目标识别算法,通过VGG16特征提取网络提取特征信息,在模型训练过程中利用COCO数据集的深度网络模型进行迁移训练,防止模型过拟合并加速参数的训练过程。同时,该方法还与其他深度学习模型以及传统的目标识别算法进行了对比,在自建的数据模型测试集上进行试验。结果表明,基于VGG16的Faster R-CNN目标识别模型在复杂环境及物体发生遮挡的情况下对于惯性陀螺的识别具有明显的优势,准确率可达到87.80%,召回率80.30%,识别速度可达到15FPS,能够满足实时性要求。     

基于语义相似度的句法歧义结构消解

以汉语句法结构分析中最普遍存在的句法结构歧义现象,即“动词短语 名词短语 的 名词短语”(VP NP1 的/u NP2)为研究对象,提出了一种基于知网知识库的歧义消解策略。据此提出利用改进的知网相似度计算的歧义消解策略。通过对从人民日报的语料中抽取1000个“VP NP1 的/u NP2”的实例进行测试,实验结果正确率达到83.4%,表明这是一种有效的识别“VP NP1 的/u NP2”歧义结构的方法。