An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.     

空间非合作目标捕获方法综述

随着空间事故和失效航天器的增多,地球附近的轨道资源越来越紧张。如今世界各国都在大力发展在轨服务和太空碎片清除,作为其中最关键的技术之一,空间非合作目标捕获近年来成了太空研究领域的重点。目前,国内外各大研究机构针对非合作目标进行了深入研究,并提出了多种捕获方法,取得了较大的进展。对非合作目标进行分类,基于现有的捕获方法介绍了国内外非合作目标捕获技术发展的最新状况,总结了原理方案,分析了捕获方法和关键技术,为我国后续开展相关研究提供了一种研究思路。     

基于IMM-RUASFF的网络化目标跟踪算法

针对目前网络化目标跟踪算法存在实时性差、精度低等问题进行了研究。首先,基于网络信息共享需求,建立了网络探测节点的目标跟踪模型;其次,网络探测节点目标跟踪需求和实战要求发现目标经常是有多种运动状态并存,而单一模型的滤波器不能满足对机动目标跟踪性能的要求,采用了基于交互式多模型(Interacting Multiple Model,IMM)的有反馈实时更新的异步状态融合算法。最后,针对多个探测节点目标跟踪的状态融合估计问题,提出了一种有反馈实时更新的异步状态融合算法,通过仿真验证了算法的有效性。     

基于多元统计的空中目标区分方法

现代战争中的空情信息复杂多变,如何对空中目标合理地区分,以提取其主要信息,是空情信息处理的一个重要方面。基于多元统计的思想,采用聚类分析和判别分析的方法,对空中目标进行区分、辨别,以此为指挥人员提供作战决策的依据。     

舰载直升机在舰艇编队对低空目标预警中的使用研究

结合水面舰艇编队对低空目标预警目前存在的问题 ,指出了使用舰载直升机对低空目标预警的必要性和可行性 ,论述了舰载直升机用于编队低空预警的优点以及配置方法 ,最后指出了舰载直升机用于低空预警时的几点注意事项     

基于HSV模型的运动目标提取与跟踪

为了实现对运动目标跟踪的目的,根据六角椎体模型原理(HSV),运用自适应阈值分割的方法,将运动目标从背景中提取出来,并对目标的运动轨迹进行计算与预测.利用Matlab 6.5,实现了单目标的提取与跟踪.经分析,这种方法速度较快,占用资源较少,非常适合工程应用.     

高超声速飞行器保预设性能的反演控制方法

为了解决高超声速飞行器纵向运动模型的稳定轨迹控制问题,设计了一种在非仿射模型基础上保证预设性能的反演控制方法。对于速度子系统,直接设计非仿射控制律,保证预设性能,通过合理的变换将高度子系统转化为严格的反馈形式,便于反演控制步骤的设计。基于动态性能和稳态精度,设计了预设性能函数,将跟踪误差的稳定性限制在预设范围内,引入指令滤波器,有效克服了传统反演控制中虚拟信号重复推导的问题。控制器的设计不依赖于精确的模型。引入径向基函数来逼近过程中的未知函数,使得控制律具有令人满意的鲁棒性和实用性。基于李雅普诺夫稳定性理论,证明了所有闭环系统的稳定性。仿真结果表明,该控制器能够稳定地跟踪参考信号。     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究，设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先，在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型；接着将等价伪量测的异步融合算法与IMM算法结合，计算各目标在不同融合周期的跟踪精度估计值；最后，以目标的跟踪精度需求为出发点，结合蚁群算法的思想，设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下，根据对各目标跟踪任务的重要程度，合理地调度传感器资源。     

时空积分及粒子群优化算法的目标被动定位方法

目标运动分析是武器控制的基础,研究了可用于目标被动定位的时空积分方法,建立了该方法求解目标运动参数的理论模型,采用粒子群优化算法对时空积分谱进行优化处理以获得目标参数的最优解,海上试验数据处理结果表明该方法能够得到稳定有效的解.     

基于DSP的复杂背景下瞄准分划探测与识别

为解决嵌入式模拟射击训练系统中瞄准分划自动探测与识别的问题,以ADSP-BF533数字视频处理系统为平台,利用瞄准分划的灰度和形状特征,综合运用边缘检测、数学形态学和模板匹配等算子,提出了一种复杂背景下瞄准分划探测与识别算法,成功实现了对瞄准分划的自动探测和识别。