基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

约束总体最小二乘空间配准算法

相对于单个雷达而言,组网雷达能显著提高其融合系统的性能,但是在随机误差较大情况下,由于空间配准精度往往较低,其融合性能会显著下降.在忽略模型线性化误差的情况下,分析出这一缺点出现的原因是量测方程的系数矩阵中存在误差,进而利用系数矩阵误差存在统计相关性的特点,提出一种基于地心地固坐标系(ECEF)的约束总体最小二乘算法进...     

军民融合式分类多元的士官人才评定机制研究

士官人才评定工作应当积极借鉴和引入地方职业人才评定模式、办法,进一步完善现有士兵职业技能鉴定、职业能力认证、技术等级评定等考评工作,同时加快完善定向培养士官和直招士官的人才评定机制,构建起分类多元的军民融合式士官人才评定体系,充分发挥士官人才评定的鉴定、诊断、导向、激励的功能,为士官人才健康快速成长和部队战斗力提升发挥应有的作用。     

基于时间配准的视频图像稳定方法

在车载视频监控系统中,由于载体的姿态变化或振动的影响,使得获得的图像信息模糊、不稳定,增加了观察者的疲劳度。为了解决车辆行进间视场抖动、图像模糊的问题,需要对实时视频图像进行稳定处理。本文研究的是将视频采集装置直接固定在初步稳定的测量平台上,通过稳定平台的稳定残差进行二次图像稳定,但由于传输延迟的存在,对接收到的传感器数据和视频采集的图像数据分别进行了队列缓存,即加入了时间配准方法。通过在某遥控车上验证,其能保证实时视频图像获得最佳的稳定效果。     

基于联合相似测度的SAR图像边缘点特征配准方法

针对SAR图像配准过程中几何变换影响特征匹配稳健性和适应性的问题,提出了一种在特征匹配过程中直接解算几何变换模型的边缘点特征配准方法。利用SAR图像边缘点的梯度和方向特征,基于像素迁移思想,定义了图像匹配的联合相似度——联合特征均方和(SSJF),并建立了SAR图像边缘点集相似性匹配准则;基于方向模板提出了改进的ROEWA算子;利用改进的遗传算法(GA)来进行相似度的全局优化搜索,获取配准模型参数;利用多幅SAR图像的配准试验,对本文方法的性能进行了验证。     

基于强跟踪滤波器的多雷达配准方法

在多雷达数据处理系统中,雷达本身的系统偏差是影响目标跟踪和数据融合质量的一个重要因素。提出了基于强跟踪滤波器(STF)的多雷达配准算法。该算法是利用各雷达相对主雷达的测量差值,利用强跟踪滤波器(STF)实时估计出各雷达的系统偏差(方位和距离),从而进行配准。仿真实验结果表明这种方法是有效的。     

基于红外传感器的多无人机对高速飞行器协同定位跟踪方法综述

为了实现高精度远距离稳定定位与跟踪,多无人机搭载红外传感器对高速飞行器的定位跟踪方法成为研究热点。就此背景进行了综合评述,以相关技术难点及关键技术为切入点,分析了瞬时定位和动态跟踪问题的研究现状和发展方向。在瞬时协同定位方面,首先对目标瞬时定位的算法进行了分析对比,然后对造成定位误差的影响因素进行分析并探讨了误差补偿方法,最后针对传感器资源优化,讨论了能够使计算结果最优的传感器分布阵型。在动态跟踪方面,首先探讨了时间不同步问题对目标跟踪的影响及补偿方法,然后对目标运动学建模的问题进行了分析,最后对最优估计问题中各种滤波算法的应用进行对比。综述表明,无人机搭载红外传感器对高速飞行器进行定位和跟踪,存在误差来源多、相对运动速度快的技术难点,需要特别关注定位算法、误差来源及最优估计算法的影响,以尽可能实现稳定跟踪。     

基于重力加速度的自对准算法在摇摆台上的验证

摇摆基座条件下陀螺和加速度计测量的地球自转角速度和重力加速度受到了摇摆运动的干扰,无法根据陀螺和加速度计的输出直接获得初始姿态矩阵。针对这一问题,通过验证实验证明了基于重力加速度的对准算法的有效性,并依据实验结果从理论上对该方法的对准误差进行了分析,提出了进一步提高对准精度的措施。     

多传感器的极大似然配准算法研究

数据配准是多传感器数据融合的先期处理过程。在研究了传统的最小二乘算法的基础上 ,提出了基于三维坐标系中的极大似然配准算法 ,解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真验证了算法的有效性。     

发动机配气机构振动信号时域分析

对康明斯6BT5.9型柴油发动机配气机构产生的振动信号进行了时域分析,采用振动加速度峰峰值作为判定发动机配气机构技术状态的特征量,并采用多通道信息融合技术实现配气机构的故障诊断。