SAR-GMTI匀速运动虚假场景干扰信号快速生成方法

静止虚假场景覆盖干扰无法有效对抗SAR-GMTI雷达系统,基于此,本文提出了一种能将静止虚假场景干扰信号快速转换为匀速运动虚假场景干扰信号的方法。文中通过对运动目标和静止目标回波模型的分析,推导出了两者之间的关系表达式;根据这个表达式,给出了实现该方法的三个步骤：沿距离向时域进行延迟操作,沿方位向时域进行伸缩变换,相位补偿;分析了该方法的计算量;最后,仿真实验表明该方法可对SAR-GMTI形成匀速运动虚假场景的干扰效果,能同时保护静止场景和运动目标。     

红外图像序列运动小目标检测的预处理算法研究

就如何检测复杂背景下低信噪比的运动小目标展开讨论,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,接着采用邻域判决的方法实现运动目标的进一步分离,最后用图像流分析法进行目标的最终检测。实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠的检测     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.     

主动自适应悬架机器人概念样机及其配置模型和方法

未来的空间探测要求机器人系统具备高可靠性、高移动性,以胜任未知非结构的地理环境。结合自适应悬架机器人和主动悬架机器人的优点,创新提出主动自适应悬架机器人的概念。它是一类具有主动配置功能的自适应悬架机器人,在一般复杂地形环境下,利用移动机构的超静定特性自适应地形,在极端复杂环境下,主动调整悬架结构等移动机构的运动配置适应地形变化,获取最佳移动性能。设计了一种六轮主动自适应悬架样机,可实现折叠、翻到后起身,建立了机器人移动性能综合评价模型,并给出了相应的配置模型和主动配置方法,通过主动配置可明显提高主动自适应悬架机器人的移动性能。     

视频监控系统中的动目标检测新方法

在分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种适用于视频监控系统的基于视频序列像素时空相关性检测的动目标检测方法.该方法首先用每一帧中像素的空间相关性检测出目标,再用序列图像中目标的时间相关性检验目标的真实性,从而最终确定是否有运动目标.试验表明,该方法能很好地检测出运动目标,并具有较强的抗干扰能力.     

基于组合平行六面体的复杂目标毁伤效能评估

单平行六面体毁伤模型存在着对目标描述不够细致、无法反映目标各部分的功能关系的缺点.在单个平行六面体毁伤评估的基础上提出了基于组合平行六面体的复杂目标毁伤评估模型,该模型可以描述复杂大型目标的空间几何特性以及各部分的功能关系.通过对航母的毁伤模型建模验证了该模型合理性和有效性.     

临近空间高超声速目标跟踪技术研究

由于临近空间高超声速目标具有高速度、高机动的特点,对此类目标的跟踪是一个研究热点问题。提出了一种基于容积卡尔曼滤波的临近空间目标跟踪方法,首先分析临近空间高超声速目标的运动特性,建立了临近空间高超声速目标的运动模型。然后通过三站测得时差信息,实现了对临近空间目标的跟踪。最后,对提出的算法与扩展卡尔曼滤波和不敏卡尔曼滤波进行了综合性能对比分析,并通过仿真结果验证了该算法的实时性有效性。     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

基于马尔科夫决策的目标选择策略

目标选择是军事计划的关键要素之一。基于马尔科夫决策方法,解决具有复杂目标间关联的多阶段目标选择问题。使用与或树描述目标体系各层状态间的影响关联,并以目标体系整体失效为求解目的,建立了基于离散时间MDP的多阶段打击目标选择模型。在LRTDP算法基础上提出一种启发式方法,通过判断从当前目标体系状态到达体系失效状态的演化过程中的可能资源消耗和失败概率,来提供对当前状态的评估值,该方法能有效排除问题搜索空间中不能到达体系失效目的的中间状态,压缩了由于目标间复杂关联而增长的巨大状态空间。用实验验证了该方法有效性,实验结果表明,该方法直观实用,对目标间具有复杂关联关系的目标打击决策有一定参考价值。     

一种六足军用机器人行走机构的设计与优化

基于契贝谢夫连杆机构建立了一种六足机器人行走机构的模型,并给出了该模型的参数约束方程以及参数优化方案。通过对该行走机构的结构改进,进一步增强了行走机构的强度和运动平稳性。该优化设计方法对足式机器人的工程实践具有参考价值。     

相控阵雷达外场试验目标模拟技术研究

针对传统雷达回波模拟技术模拟目标态势单一、建设成本高、灵活性差等缺陷,结合相控阵雷达快速波束定向的扫描特点,提出了一种基于射频存储转发技术和移动阵列平台的相控阵雷达外场试验目标模拟方法。该方法采用射频空间辐射注入的方式为雷达提供较为逼真的三维空间模拟目标回波信号和构建较为复杂的模拟目标场景态势,能够支持包括雷达天线在内的整个雷达系统进行模拟试验或训练。最后通过实例仿真验证了该方法的有效性和可实现性。     

相控阵雷达外场试验目标模拟技术

针对传统雷达回波模拟技术模拟目标态势单一、建设成本高、灵活性差等缺陷,结合相控阵雷达快速波束定向的扫描特点,提出了一种基于射频存储转发技术和移动阵列平台的相控阵雷达外场试验目标模拟方法。该方法采用射频空间辐射注入的方式为雷达提供较为逼真的三维空间模拟目标回波信号和构建较为复杂的模拟目标场景态势,能够支持包括雷达天线在内的整个雷达系统进行模拟试验或训练。最后通过实例仿真验证了该方法的有效性和可实现性。     

基于背景补偿的空基视频图像目标检测

基于空基平台的运动目标检测及跟踪有重要的军事应用,由于平台的运动使得背景发生变化,给目标的检测带来困难。基于Harris特征点检测方法可以有效的进行背景运动补偿,但结果受阈值影响明显,还无法根据场景自适应的设定阈值。本文研究了基于特征点跟踪的背景补偿方法,对不同场景都可实现稳定检测,同时分析运动目标对配准的影响,并根据检测结果进行特征点的筛选。实验证明,该方法是一种稳定的检测目标检测方法。     

基于修正转弯模型的交互多模型跟踪算法

临近空间高超声速飞行器具有极快的飞行速度和独特的机动模式,传统单模型跟踪方法不能对此类目标进行有效跟踪。提出了基于修正转弯模型的交互多模型跟踪算法,该算法修正了转弯模型,利用当前统计模型思想对目标角速度进行实时估计。首先分析了临近空间高超声速目标的特性,然后根据目标运动方程,对目标角速度进行实时估计,最后通过交互多模型实现对临近空间高超声速目标的跟踪。蒙特卡罗仿真结果表明,IMM跟踪算法能够有效跟踪临近空间高超声速目标,且跟踪的精确度、稳定性等明显优于单模型。     

基于RPCA与空间相关约束的运动目标检测方法

传统的RPCA方法使用L1范数约束前景目标,对于很多复杂的环境往往不能很好地逼近真实前景区域。复杂环境下的目标检测受到背景杂波、噪声、光照变化、场景中存在阴影等因素的影响,需要尽可能引入先验信息提升鲁棒性。利用RPCA这一正在发展的工具,在矩阵低秩稀疏正则化框架下将矩阵求解与视频前景目标的空间连续性结合起来,引入TV范数约束前景的空间连续性,从而弥补现有低秩表示方法的不足。采用交替迭代的思想,使用增广拉格朗日乘子法对目标函数进行优化求解,实现复杂环境下的运动目标检测。使用视频数据集进行算法测试,与其他有代表性的方法对比,该算法在准确性和鲁棒性方面均有很大提高。     

对运动目标多站时差定位和被动跟踪方法

针对对运动目标的被动定位跟踪问题,建立了对运动辐射源多站时差定位及被动跟踪的数学模型,研究了基于扩展卡尔曼滤波(extended Kalman filter,EKF)的被动跟踪算法。首先,对运动目标建立了二阶常速运动模型,利用实时的时差定位结果和误差协方差矩阵作为扩展卡尔曼滤波的初始值和初始协方差进行被动跟踪;然后,进行了对运动目标定位跟踪的场景仿真,结果表明:扩展卡尔曼滤波实现了对时差定位实时结果平滑作用,使用该方法定位精度大大提高,目标轨迹更明显;最后,通过工程试验验证了该算法的有效性。     

面向无人环境的机器人生态圈自主任务决策方法

借鉴自然界生态系统的典型特征,提出机器人生态圈概念。通过使集群机器人进行智能协同与复杂演化,涌现自我维持、自我复制与自我进化等生命特征,实现无人条件下的长期生存、繁衍与进化,并执行特定的任务。针对机器人生态圈典型任务场景的自主任务决策需求,分析不同机器学习任务决策方法的特点,建立机器人生态圈自主任务决策的决策树模型和神经网络模型。分析表明,两种模型的正确率均在80%~90%,且均具有良好的稳定性。这说明,机器人生态圈自主任务决策问题可以通过决策树、神经网络等机器学习方法来很好地加以解决,从而为面向无人化场景的任务应用提供技术支持。     

高超声速飞行器多目标复杂约束滑翔弹道优化

针对气动热、过载、动压、控制量、航路点、禁飞区以及终端状态等复杂约束条件,提出高超声速飞行器多目标滑翔弹道优化方案。建立换极运动模型,简化部分约束条件的处理,并规避了传统运动模型的奇异问题;在此基础上,引入物理规划方法将多目标优化问题转换为反映设计者不同偏好的单目标优化问题;进一步基于分段Gauss伪谱方法将弹道单目标优化的最优控制问题转换为非线性规划问题进行求解。仿真结果表明,该方法获得的滑翔优化弹道能满足复杂约束要求,同时能够反映设计者的不同偏好。     

基于信息增量的机动目标传感器管理算法

随着目标机动的逐渐增强,机动目标运动模型越来越复杂,与传感器管理算法的耦合性越来越强.对机动目标采用交互式多模型运动建模,推导了交互式多模型下的传感器信息增量算法,提出了一种基于信息增量的机动目标传感器管理算法,结果表明了该分配算法的有效性.     

基于多测量融合的粒子滤波跟踪算法

复杂背景下运动目标的可靠跟踪,是计算机视觉领域中一个极具挑战性的问题。提出了一种融合颜色和纹理信息的粒子滤波跟踪算法,在粒子滤波的测量阶段,使用颜色直方图对目标进行颜色描述,用梯度方向向量对目标进行纹理描述。对这两种信息,分别用Bhattacharyya系数和欧几里德距离比较粒子与参考模板的相似性。为解决目标变化和遮挡问题,采用了模板更新策略。实验结果表明该方法是稳健的,能够在复杂的背景下对运动目标进行有效、可靠的跟踪。