LFM脉冲雷达距离维快速搜索处理算法

针对脉冲雷达近距离目标遮挡问题,从理论上分析了雷达最小作用距离不受限于脉冲宽度.在此基础上,以Chirp脉冲为例,提出了一种适合远近距离全程目标的快速搜索处理算法.该算法只需发射一种宽脉冲波形,而不必根据距离的变化改变脉宽,从而有效缩短了搜索时间,大大提高了搜索效率.仿真结果表明了理论分析的正确性和算法的有效性.     

屏蔽网遮挡电磁干扰效果评估研究

采用计算机仿真实验和实装对抗试验相结合的方法,完成了屏蔽网遮挡低仰角电磁干扰效果的评估。首先推导了绕射数学公式,建立了数学模型,并进行了计算机仿真实验。通过实装对抗试验检验了屏蔽网遮挡低仰角电磁干扰效果,通过比对分析仿真结果和实装对抗试验数据,结果基本一致,证明了采用的评估方法科学可行,给出了屏蔽网遮挡低仰角电磁干扰的效果。     

直升机机载卫通系统抗旋翼遮挡方法研究北大核心

针对有人/无人直升机卫星通信系统信号被旋翼遮挡导致链路中断的问题,根据对前向链路和返向链路数据速率、可靠性等方面的不同要求,分别提出一种对抗旋翼遮挡的方法。即前向链路采用时间发射分集技术,保证了数据传输的可靠性;返向链路采用基于信号功率的缝隙检测方法确定无遮挡区间,利用无遮挡缝隙进行数据回传,提高了通信效率。仿真结果表明,这种方法可以有效地对抗旋翼遮挡,技术方案可行有效,具有广阔的示范应用前景。     

基于粒子滤波的活动轮廓模型视频跟踪(英文)

跟踪变形目标包括假定目标的全局运动和时间方程的局部变形。粒子滤波算法依靠参数化法选择,但是不能处理曲线的拓扑变化。活动轮廓模型是独立参数化,可以比较好地适应拓扑变化。基于上面两个方法的局限性,将上述两种方法相结合,运用于变形目标的跟踪。实验结果证明,该方法有很强的鲁棒性,对部分遮挡的物体有很强的适应性,证明了该方法的有效性。     

太阳能发电的利与弊

本文概述了目前全球能源现状,表明了太阳能发电的重要性和前景,介绍了各种太阳能发电方式和它们的优点;同时指出太阳能发电面临的困难和解决措施,以及我国太阳能发电的有利条件和难点。鉴于很多文章都对太阳能的优点进行了论述,本文就太阳能发电的利弊并主要针对安装太阳能光电系统时的遮挡问题进行阐述。     

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。     

二值化编码和相位相关的鲁棒景像匹配方法

结合二值化编码和相位相关,提出了一种快速有效的鲁棒景像匹配方法.首先利用2×2窗口上主对角线上像素灰度值的升降对实时图和基准子图进行二值化编码;然后,搜索二值化后的实时图在基准图中的位置,即,根据二值化后的实时图和基准子图的相位相关函数进行定位.多组实验与分析表明,该景像匹配定位算法对部分遮挡、图像灰度与对比度变化以及复杂噪声干扰等都具有比较强的鲁棒性.     

寻的制导控制系统设计方法探讨

对使用寻的体制探测目标的防空导弹制导控制系统设计方法进行了分析、探讨.设计中主要考虑了天线罩折射误差及去耦系数、有效导航比、稳定回路时间常数、气动力时间常数和遮挡效应的影响;对于低空制导控制系统主要考虑了多路径(镜像干扰)的影响,对布鲁斯特角效应抑制多路径(镜像干扰)的影响进行了分析.     

空间碎片碰撞风险评估模型及其应用

以现有的空间碎片环境模型为基础,建立了一套空间碎片风险评估模型。该模型包括空间碎片环境、航天器有限元建模、几何遮挡处理以及碰撞概率计算四个模块。为了验证风险评估模型的精度及有效性,针对机构间空间碎片协调委员会指定的三种标准工况,将该计算结果与国内外已有的风险评估模型的计算结果进行比较,验证了风险评估模型的正确性。利用开发的风险评估模型,对立方体航天器遭遇空间碎片碰撞风险进行仿真评估与分析,给出了轨道高度、倾角以及航天器自身的姿态参数对航天器遭遇空间碎片碰撞风险的影响特性。     

基于两级隐式形状模型的抗遮挡目标跟踪

为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。首先利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,然后利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,最后通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。