无人机小样本条件下遮挡和混淆目标识别方法

针对无人机对地目标识别过程中的小样本问题以及目标存在的遮挡和混淆情况,提出了一种融合自注意力机制的小样本目标识别模型。在利用元学习思想获取小样本学习能力的基础上,将自注意力机制学习目标内部各部分之间的上下文依赖关系引入模型,从而增强目标表征能力,以解决遮挡和混淆情况下有效特征不足的难题。为验证模型效果,通过对基准数据集和无人机航拍数据进一步加工,构建了遮挡和混淆目标数据集,设置了不同的遮挡程度和背景混淆率。通过在不同数据集上的验证,并与深度学习模型对比,证明提出的模型具有更高的学习效率和识别正确率。     

基于ST-YOLOv7的无人机视角下行人及车辆识别

由于无人机视角下的背景复杂,识别的目标多为远距离小目标,因此容易导致漏检及误检问题。为了实现无人机视角下对行人及车辆高精度识别,提出了以YOLOv7网络模型为基础的ST-YOLOv7算法,主干网络中融合了Swin Transform模块,构建复杂背景与小目标的全局关系,融入SENet通道注意力机制,为不同通道的特征分配不同权重,增强小目标特征的捕捉,在头部网络中,加入了YOLOv5网络中的C3模块,增加网络的深度和感受野,提高特征提取的能力,增加了1个小目标检测层,进一步提升对小目标识别的精度。实验证明：ST-YOLOv7网络模型在自制的航拍数据集中对行人的识别精度高达83.4%,对数据集中的车辆的识别精度达到了89.3%。均优于YOLOv5和YOLOv7目标检测算法,以较小的效率损失取得了较高精度。     

一种新的球载雷达气象杂波抑制方法

针对无人机慢速目标运动速度与气象杂波中心频率接近导致无人机在气象杂波中难以被检测到的问题,提出了基于卡尔马斯(Kalmus)滤波器的球载雷达无人机目标检测方法。该方法首先对雷达回波进行脉冲压缩和PD处理,再使用经过速度校正的Kalmus滤波器滤除气象杂波,最后利用二维恒虚警进行检测。仿真结果表明,在合适的气象条件和目标速度下,该方法能很好地抑制气象杂波,提高球载雷达无人机目标的检测性能。     

基于航拍视频的车辆目标跟踪方法

以无人机拍摄的运动车辆为研究对象,针对航拍视频中的某一车辆目标,研究其目标跟踪方法。为准确预测车辆在未来帧中出现的位置,提出基于K邻域的目标预测算法,对于车辆目标可能会出现被全部遮挡的情况,提出基于车辆运动状态估计的抗遮挡算法,在目标检测过程中,针对可能会有多个目标被检测出来的情况,提出多特征融合的图像匹配算法以对检测结果进行匹配。将上述算法相结合,形成车辆目标跟踪方法。测试结果表明,提出的目标跟踪方法平均准确率达到了91.1%,准确率相对于常见的目标跟踪算法提升了约6.35%。     

基于注意力与通道重排的无人机对地目标检测算法

无人机自主察打对地攻击场景中,针对无人机作战时效性强,地面目标识别场景复杂,存在模型训练、推理速度慢,小目标检测漏检、误检的问题,提出一种基于注意力机制与通道重排思想的无人机对地目标检测算法。该算法引入CA(coordinate attention)注意力机制,可提高网络对关注部分的特征提取能力;且对主干网络进行通道重排(channel shuffle)轻量化处理,可有效减少多次卷积造成的特征损失;最后,为提升战时训练及推理速度,替换部分激活函数为H-Swish,优化其损失函数为CIoU(complete intersection over union)。实验证明：采用改进的新算法,提升了28.4%训练速度,目标识别的平均精度均值(mean average precision, mAP)达99.1%,可实现最小目标检测为19*25像素,经TensorRT加速后检测速率达72.99 FPS,满足实时检测需求,针对复杂地形下的坦克小目标检测性能较好。     

基于交互多模型的无人机运动控制

对无人机进行精确控制是有效发挥无人机功能作用的基础,无论是航线跟踪还是在任务区域内沿任务点执行任务,均可看作为无人机在时间与速度双重条件约束下到达指定位置的控制问题。针对这一问题,首先在考虑无人机飞行性能的基础上,建立了无人机的基本运动模型,包括匀速转弯模型、上升模型、下降模型、匀速直线模型和匀加减速模型;其次对无人机飞往不同目标点的运动过程进行了求解分析,表明无人机的所有运动过程均可通过上述简单运动模型的交互叠加来实现;最后,仿真实验结果验证了此控制方法的可行性,可有效解决无人机带有时间约束与速度约束的控制问题。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

无人机对地攻击时敏目标威胁度SPA-IELM评估方法

为实现对地面时敏目标威胁度的科学有效评估,提高无人机对地攻击决策的快速性和准确性,提出一种基于集对分析(SPA)与增量型极限学习机(IELM)的地面时敏目标威胁度评估方法.首先,将SPA理论中的联系度和集对概念应用在地面时敏目标威胁度评估指标体系中,用于生成训练样本和测试样本,然后,使用获取样本对IELM进行在线训练和测试,得到无人机对地时敏目标威胁度评估模型,并对目标完成评估和排序.仿真表明:所提出方法在评估地面时敏目标威胁度过程中速度快、精确度高,能够对目标威胁度进行快速精准排序,从而为无人机对地攻击决策提供了可靠依据,也为无人机自动有效打击地面目标奠定了基础.     

基于混合型扩散的无人机航拍图像去噪模型

针对彩色无人机航拍图像处理起来复杂且噪声方差未知的问题,提出一种混合型扩散偏微分方程图像去噪模型。该模型采取对图像高频子带去除边缘区域的方法来准确估计噪声方差,将彩色图像的色彩空间转换为色调、亮度和饱和度3个分量,并用混合型扩散偏微分方程进行去噪处理,再把处理后的3个分量合成彩色图像。其中,混合型扩散偏微分方程是通过将全变分模型和四阶模型进行加权,并对其中的扩散系数进行改进后得到的。仿真结果表明,提出的模型和传统的去噪方法相比,峰值信噪比平均提高了近1.4 dB,并且在有效去噪的同时很好地保留了无人机航拍图像的边缘和纹理细节信息。     

对海目标识别中舰载预警直升机引导舰载无人机的方法及阵位配置

针对水面舰艇编队对海攻击时的目标识别需求，提出了舰载预警直升机引导舰载无人机实施对海目标识别的协同样式。从引导识别的基本过程入手，建立了舰载无人机占领预定识别阵位的运动要素计算模型；基于以最短时间到达预定识别阵位的要求，建立了舰载无人机目标识别时，相对舰载预警直升机阵位配置的拟合模型，并针对舰载无人机识别时的反应时间和识别距离，建立了舰载无人机阵位配置的修正模型，为水面舰艇编队对海攻击中的目标识别提供了新手段。     

基于数学形态学的抗无人机检测预处理算法

为降低未来信息化作战条件下无人机对防空领域的威胁,对低信噪比图像序列抗无人机检测预处理技术进行了较为系统的研究.首先针对抗无人机检测问题,引入了预处理和数学形态学概念;详细阐述了图像的膨胀、腐蚀、开启运算,并对背景抑制、图像增强等技术进行了建模和仿真验证.结果表明,该方法能有效地从复杂背景中分离出无人机等弱小目标,有利于后续工作.     

基于集中一体化遗传算法的协同航迹规划方法

针对线目标的多无人机协同侦察航迹时间代价较大、算法收敛较慢等问题,提出了一种基于集中一体化遗传算法的协同航迹规划方法.在考虑目标属性及任务要求的基础上,建立了基于时间代价的航迹模型.引入集中一体化方法,对标准遗传算法的编码方式进行了优化,保证了所有目标均被侦察一次,且无重复侦察.在种群迭代中对交叉操作和变异操作进行了改进,有效提高了算法的收敛速度.仿真结果表明,该方法可求解得到具有最小时间代价的任务航迹,且收敛速度较快.     

雷达干扰无人机支援干扰作战运用定量分析

分析了雷达干扰无人机执行支援干扰任务的优势,从雷达干扰能量域角度出发,对雷达干扰无人机压制干扰目标雷达、掩护我方航空兵飞行的问题进行了研究,分析了对雷达的干扰效果影响因素以及无人机执行支援干扰任务时的部署要求,提出了无人机与被掩护飞机在空间和速度上的协同,得出了无人机的兵力分配方法,研究结论对雷达干扰无人机在近距支援干扰任务上的运用具有一定的指导意义。     

多旋翼无人机模型预测抗扰避障制导

多旋翼无人机的自主避障是完成复杂任务的基础,避障的效果直接影响无人机执行任务的效能。针对存在外部扰动的无人机避障问题,提出了一种基于模型预测的抗扰避障制导律设计方法。通过设计干扰观测器对系统动态中的外部干扰进行了估计,并基于李雅普诺夫函数方法设计辅助制导律用于建立稳定性约束条件。结合前两者与模型预测控制,在模型预测控制优化求解中考虑无人机与障碍物的关系,根据所设计的制导律求解水平线速度与偏航角速度指令实现无人机的避障。对所提出的避障制导律进行数值〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLQX.TIF;%129%129〗听语音 聊科研与作者互动 仿真和实物飞行验证,结果表明了所提方法的有效性。     

基于飞蛾信息素寻偶机制的无人机集群协同搜索

为了提高无人机集群协同搜索移动目标的效率,提出一种基于飞蛾信息素寻偶机制的无人机集群协同搜索方法。根据飞蛾基于信息素选择飞行方向的寻偶行为,建立信息素图风向模型和飞蛾信息素寻偶模型。考虑无人机机间避撞约束,提出从飞蛾信息素寻偶机制到无人机集群分布式协同搜索的映射,并给出具体实现流程。仿真实验结果表明了所提方法在解决单个移动目标的协同搜索问题时的有效性和稳定性;外场飞行试验表明了所提方法在实际应用中的可行性。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别。为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力。采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类间方差法相结合的分割方法,分割目标并提取目标内部件;采用基于概率图模型的部件识别方法,通过将部件轮廓稀疏表示为条件随机场,并进行概率推理实现部件识别;采用基于贝叶斯的目标识别方法完成目标是否为车辆的判断。通过无人机拍摄的车辆图像验证表明,算法可在样本较少、光照变化、存在遮挡等情况下,以较高准确率检测并识别出车辆目标,同时识别算法具有一定可解释性。     

面向非广域目标的无人机对峙跟踪方法

针对无人机对峙跟踪非广域目标问题,开展目标状态估计与无人机制导方法研究。首先建立非广域地理环境模型,将非广域地理约束作为伪观测方程引入粒子滤波器的观测方程。其次,鉴于目标在运动过程中可能受到多个模型的约束,采用交互多模型滤波算法进行状态估计,即每个模型对应的受约束粒子滤波器并行工作,并对多个滤波器估计结果进行加权,得到更精确的目标运动状态估计值。然后,提出时间最优导航向量场,通过计算期望航向角,引导无人机快速收敛至目标极限环。最后,仿真实验表明,受约束粒子滤波-多交互模型算法相比于传统的滤波算法,估计精度提高了20%,时间最优导航向量场方法相比于传统的导航向量场方法,引导效率提高了15%,所提方法可更有效地用于解决非广域目标对峙跟踪问题。     

海上多无人机协同交叉定位的优化配置方法

针对多部无人机协同交叉定位,考虑无人机安全距离、通信距离和动力学约束条件下,解决多部无人机自动实现对飞行速度和角度的优化配置问题.提出了多机协同测向交叉定位方法,该方法先根据几何稀释度精度建立了不等式约束下的无人机运动参数单目标优化模型,再利用惩罚函数法将优化模型转换为无约束条件的极小值求解问题,最后利用粒子群优化算法获得各无人机飞行速度和角度估计值.仿真试验表明,该方法对不同无人机阵型和辐射源运动状态具有较强的适应性,相比直线飞行配置方法,其定位精度有较大的提高.     

无人机系统的系统效能评估

定量分析和评估无人机系统在给定作战环境下完成高空电视侦察目标任务的程度,依据美国工业界武器系统效能咨询委员会给出的模型和方法,以完成发现和识别目标任务的相符程度作为效能量度,对无人机系统的效能进行了分析和评估建模,实现了无人机系统可用度、可信性、系统能力的计算,给出了无人机系统效能的一种基本算法和公式.     

基于分解的多目标布谷鸟搜索算法求解多无人机协同任务分配问题

多无人机协同任务分配问题是一个多目标优化问题,将多目标优化问题转化为单目标优化问题的传统方法易造成决策的主观性和片面性.为帮助决策者做出科学决策,提出了一种基于分解的多目标布谷鸟搜索算法用于求解多无人机协同任务分配问题.通过对多无人机协同任务分配问题分析,建立了多无人机协同任务分配模型.将布谷鸟搜索算法的两个关键组件转化为多目标优化算法的繁殖算子,并结合一种自适应算子选择策略,构成了多目标布谷鸟搜索算法.设计了一种新的编码方案,将带约束的多目标优化问题转为无约束的多目标优化问题.仿真实验表明,多目标布谷鸟搜索算法能有效求解多无人机协同任务分配问题.