基于支持向量机的高空无人机侦察目标识别

针对高空无人侦察机遥感图像目标不明显、图像背景复杂等特点,提出了一种基于支持向量机的目标分类方法。将支持向量机应用于高空无人侦察机的遥感图像目标识别,并且对特征值的提取进行深入研究。实验结果表明,特征值输入的多分类器在识别性能上具有很高的识别率,对提高高空无人机的侦察能力具有重要意义。     

对空向量瞄具设计

给出了对空向量瞄具的设计计算方法,并对一个实例进行了详细的分析。     

基于最小二乘支持向量机的测控数据融合

提出利用最小二乘支持向量机方法研究GPS和雷达系统对机动目标联合测量中的数据融合问题,GPS数据经过时间配准处理与雷达数据达到时间同步,经过空间配准和坐标系变换,进行卡尔曼滤波,以滤波估计坐标值作为支持向量机的输入,以最小二乘支持向量机为同步融合中心,输出为目标轨迹的融合估计值,仿真结果表明这种方案可以达到比融合前数据更贴近真实值的效果.     

摄像机网络摄像测量中多目传递站位姿关系的最优标定

在摄像机网络摄像测量中,经常会用到多目传递站进行相邻节点间位姿关系的传递.针对多目传递站中固连的多个摄像机之间位姿关系的标定难题,提出了一种基于冗余标定的优化标定方法.首先,对多目传递站中的独立位姿关系数目、最大可测量位姿数目、最小约束数目等进行了分析和推导;然后,对典型的四目传递站间各摄像机相对位姿关系的优化标定算法...     

基于结构聚集度的海面目标特征描述及匹配方法

在对海面目标进行光电图像跟踪时,由于跟踪技术的局限性,跟瞄点往往会出现对目标的"失跟"现象,为了判断这一情况,通常需要对前后帧跟瞄区域的目标图像特征进行对比判别。但红外图像基本不存在颜色及纹理特征,而仅使用形状特征对于持续运动中的复杂目标图像又难以取得良好的效果。为解决这一问题,提出了一种基于目标结构聚集度的特征描述及匹配方法。首先对目标图像进行均匀矩形划分,在此基础上建立基于矩形块填充比的邻域矩阵作为图像特征,计算相邻帧图像该特征的欧氏距离差,并加入面积差参数进行特征匹配。对多种不同情况下的实测及模拟目标进行了计算机仿真实验,结果表明这种特征能够有效判断"失跟"情况,并且对于光学及红外目标旋转具有较好的不变性。     

单轴旋转航位推算系统姿态误差补偿方法

针对水下载体在航行过程中由于旋转引起导航定位误差问题,对旋转航位推算导航系统进行误差分析,采用姿态四元数法推导了姿态误差方程,并提出将加速度计信号周期性变化提取的姿态角作为量测的姿态误差补偿方法,利用Sage-Husa自适应滤波器估计姿态误差并进行补偿,从而抑制陀螺漂移的影响.通过不同路径下的仿真研究,表明该算法能够提高单轴旋转航位推算系统姿态解算精度,在400 s时,姿态角精度可提高40％以上,定位精度提高49％.     

基于实际案例的导弹装备战斗损伤评估

指出了基于实际案例的通用导弹装备战斗损伤评估内容及特点,提出了战斗损伤评估的量化标准,定义了战损率的概念;采用向量夹角余弦方法综合出了导弹装备各级组件的战损率及车辆的战损量化值,并通过实例证明了该方法具有所需信息量小、主客观综合性强、评估方法易于仿真实现等优点.     

基于ARMA辨识的色噪系统状态参数鲁棒估计

实际环境中观测系统的噪声,同时存在着白噪、色噪声和尖点噪声的影响.已有的研究都仅考虑白噪或色噪声,首次将实际系统中可能出现的所有噪声纳入观测方程,推导出统一的带白噪形式的观测方程.新观测方程在色噪声ARMA辨识基础上,可以直接用于传统的卡尔曼滤波算法,避免了扩维滤波.于是状态参数的稳健估计归结为ARMA参数的辨识.重点研究了自由参数选取与输入噪声之间的关系,将鲁棒支持向量回归机的优化问题转换成最大后验估计问题,为合理选择自由参数提供了理论依据.仿真结果验证了新算法的有效性.     

基于支持向量机的装备故障间隔时间预测研究

针对装备故障样本数据量少、非线性强,故障预测困难的问题,提出了一种基于支持向量机回归的故障间隔时间预测模型.在不同核函数条件下,以提高核函数的普遍适应性和拟合精度为目的,通过实例分析选择了相对于装备故障数据的最佳核函数,并根据故障样本数据的特点,设计了与之相适应的核函数参数.实验结果表明,与常用的BP神经网络预测模型相比,该模型有更强的鲁棒性和推广能力,具有一定的实用价值.     

雷达智能BIT故障预测方法研究

在总结了几种比较常见的故障预测方法的基础上，介绍了基于统计学习理论的支持向量回归算法。提出将智能遗传算法用来对支持向量回归模型的参数进行优化选取，并详细介绍了模型参数的选取过程，避免了参数的盲目设置。将建立起来的模型应用于雷达智能BIT故障预测领域，并以一组智能BIT状态监测的数据对预测模型进行训练和验证，实验结果表明支持向量回归模型能有效地对雷达故障进行预测。