“低慢小”无人机雷达探测研究与展望

小型无人机的雷达截面较小,对它实施远距离探测难度较大,且环境因素和误报问题也会影响雷达探测的表现。然而,雷达探测仍是最前沿的无人机探测技术之一。探讨无人机雷达探测系统在探测和追踪无人机方面的应用和挑战。介绍无人机雷达探测系统的基本原理和研究热点,详细分析无人机雷达探测系统在探测和追踪无人机方面的效果以及遇到的性能和技术上的挑战。未来的研究可以使用合成孔径雷达和集成多个传感器的方法来进一步提高雷达探测系统的探测性能并减少误报数量。同时,机器学习和人工智能技术的应用也可能有助于提高探测精度,使雷达系统适应不同的环境和目标。     

低慢小无人机对军事区域的安全威胁及其应对方法

低慢小无人机具有小型化、红外与雷达暴露征候小、飞行高度低、飞行轨迹不定以及购买使用几乎无门槛等特征,给当前全球军事区域和军事行动安全带来了新的挑战.本文首先分析了世界主要国家对低慢小无人机的界定、国内外管控情况和相关威胁事件;然后,从低慢小无人机的侦察袭击能力、军事区域现有安防措施和低慢小无人机对军事区域进行侦察的相关...     

雷达低慢小目标检测技术综述

首先,在分析低慢小目标特性的基础上总结了低分辨预警雷达探测此类目标的技术难点。然后,分类总结介绍了目前国内外具有一定启发性的检测技术,基于检测前跟踪技术、基于变换域方法、基于微多普勒分析、基于多活性代理系统检测以及基于杂波白化等方法,并对各方法检测性能进行了简要分析。最后,总结提出了针对此类目标检测技术研究发展的几点思考。     

反“低慢小”无人机红外检测方法研究

针对“低慢小”无人机的空中威胁,各国均大力投入反无人机技术研究,提出了一种基于密度-距离空间的红外单帧检测新方法。利用红外小目标在有限的区域内拥有比邻近区域更高的灰度值特点,提出密度与距离概念,建立密度距离空间。通过等效目标的定位方法将不规则的目标区域转换成规则的几何图形来获得准确的目标位置。实验结果表明：密度-距离检测算法在复杂背景下具有更好的检测性能和鲁棒性,当目标明显且存在连续背景杂波时AUC值接近于1;平均每帧的检测时间为0.021 2 s,同时兼顾了检测精度和检测速度。该算法不受无人机自身尺寸和形状变化的影响,具有较强的适应能力,适合多种背景下的单帧红外小目标检测。     

低空无人机实时探测的GCB-YOLOv5s算法

为应对无人机“黑飞”“滥飞”带来的安全威胁,迫切需要对无人机进行有效的实时探测与识别。然而由于低空无人机的灵活性、微小型化及多干扰因素等原因,传统的雷达探测等方法表现不佳。为此,基于机器视觉探测,提出了一种低空无人机实时探测的GCB-YOLOv5s算法。该算法针对经典YOLOv5算法运算速度难以满足高清实时处理的问题,使用轻量级GhostNet网络取代了YOLOv5骨干网络中的卷积运算,简化网络结构,大幅提高了计算速度;并且通过引入CA注意力机制,以及使用BiFPN双向加权特征金字塔替换颈部的PANet结构,在网络结构简化的基础上提升检测准确性。通过现地拍摄无人机在建筑、云层、树木、阴暗等不同复杂背景下的飞行姿态,结合公开数据集,对算法进行训练和测试实验。实验结果表明,GCB-YOLOv5s在参数量和浮点数计算量上均减少了近40%,且可达96.7%的精确率、96.4%的召回率和97.5%的平均精度。     

低可探测目标的探测技术

隐身技术的快速发展和应用,出现了"安静"型潜艇和"隐身"舰船、飞机、导弹、水中兵器、战车等低可探测目标,这类目标是一种通过技术手段控制和降     

基于多传感器信息融合理论的无人机相对导航状态估计方法

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,本文以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究了容积信息滤波算法。此外,还采用了多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在在高维系统中出现的数值不稳定以及精度降低等问题。论文还进行了相应的数学仿真,仿真结果表明该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

低分辨雷达基于波形特征的飞机架次判别方法

通过分析低分辨雷达飞机目标回波波形,提取出低分辨雷达飞机目标架次可资分类的特征参数作为飞机目标架次判别的特征向量。最后,采用模糊极大极小神经网络作为分类器,在低分辨雷达目标识别样机系统对机群目标进行分类识别试验中,验证了所提取特征的有效性。     

低分辨雷达的目标特征提取方法

基于现役低分辨警戒雷达 ,研究了进行目标分类和识别的途径 ,提出了基于波形特征和时间谱信息的目标分类和识别方法 ,试验分析了基于目标波形信息的特征 ,得出目标波形信息可用于目标识别的结论。现场试验表明 ,该方法对目标大小分类和架次识别有好的效果。     

反微型无人机技术方案调研北大核心

快速增长的微型无人机应用给公共安全防卫带来隐患,而传统装备不能很好适应反微型无人机作战。对最近国内外出现的各种反微型无人机(或称反"低慢小"目标)技术方案作了一个梳理和分析,并结合反微型无人机作战的技术特点进一步对微型无人机安全防卫技术路线提出了建议,可以为相关领域研究者和设计师提供参考。     

基于部件模型的无人机系统小样本车辆目标识别方法

对地目标检测与识别是无人机系统典型任务之一,但受限于任务特殊性,往往难以获取足够的目标样本数据以实现高可靠的目标识别.为此,结合人的认知特性,提出一种基于部件模型的小样本车辆目标识别方法,可有效提高无人机感知能力.采用视觉显著性检测与物体性检测相结合的检测方法,提取目标可能区域;采用基于图论的GrabCut方法与最大类...     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

基于RCS的三维低可探测性轨迹优化方法

针对基于雷达散射截面(RCS)规避雷达威胁的飞行轨迹优化问题,提出了低可探测性三维轨迹优化的求解方法.通过B样条拟合构建连续可微的RCS数据模型,结合三维飞行动力学模型,建立规避雷达威胁下的飞行运动控制模型.将轨迹优化问题描述成为最优控制问题,其中飞行姿态控制、轨迹约束、边界条件作为约束条件,以降低雷达探测概率和减少飞行时间为目标函数.运用高斯伪谱法( GPM)将连续的最优控制问题转换为离散的非线性规划问题进行求解.仿真结果证明本文方法实现了求解单基地雷达和双基地雷达探测环境中低可探测性三维轨迹优化问题,有效降低了飞行过程中的雷达探测概率和暴露时间.     

基于地基多传感器融合的无人机自主着陆引导方法

针对无人机自主着陆过程中卫星导航系统易被干扰的问题,提出了一种基于地基多传感器融合的无人机自主着陆引导方法。首先采用主动式激光照射的方式,获取机载反射棱镜的近红外成像,在红外图像中对无人机目标进行识别;然后通过坐标转换将识别结果映射到可见光图像中,在可见光图像中选择的感兴趣区域进行可见光目标识别,从而在降低计算量的基础上获得更加精确的无人机相对角度信息;最后利用距离测量信息和引导系统角度信息可以获得精确的无人机相对位置。无人机着陆引导试验结果表明,该方法能够提供精确的无人机位置信息,能有效适应于复杂背景下的无人机自主着陆引导。     

基于深度迁移学习的低分辨雷达目标识别方法

针对低分辨雷达人工目标识别效率较低的问题,提出了基于深度迁移学习的雷达自动目标识别方法。该方法利用雷达回波序列轮廓像构建空中目标数据集,使用深度卷积神经网络自动提取回波数据中的深层特征,并对雷达目标进行分类识别。为了解决深度学习对样本量的巨大需求,在分类模型训练时,引入迁移学习思想,将经ImageNet数据集预训练过的初始网络模型迁移到雷达目标识别任务中,再通过空中目标数据集对模型参数进行微调,实现小样本条件下对空中目标的粗分类。实测数据的结果表明：所提方法能够在小样本条件下较为准确地对空中目标的大小和架次进行分类识别,具有良好的识别性能。     

用于低信噪比机动目标跟踪的多分辨率方法

针对低信噪比情况下目前常用的滤波算法不能同时做到精确和高效跟踪机动目标的缺点,提出一种多分辨率滤波方法用于跟踪低信噪比情形下的机动目标.该算法利用离散小波变换和滤波器组将量测信息分解到不同分辨率的层级,由于在低分辨率下量测的误警率较低,所以在低分辨率层级实现对目标机动信息的提取,可以避免机动信息被噪声所淹没,缺失的信息...     

多传感器目标识别系统中的数据融合方法与系统结构的研究

多传感器数据融合技术与系统结构是精确制导及航空自动目标识别等系统中两个紧密相关的重要研究内容,本文针对新一代导弹武器发展的需要,先介绍一种实用的高层多传感器数据融合方法,然后提出一种高性能的多传感器目标识别系统的体系结构。     

面向非广域目标的无人机对峙跟踪方法

针对无人机对峙跟踪非广域目标问题,开展目标状态估计与无人机制导方法研究。首先建立非广域地理环境模型,将非广域地理约束作为伪观测方程引入粒子滤波器的观测方程。其次,鉴于目标在运动过程中可能受到多个模型的约束,采用交互多模型滤波算法进行状态估计,即每个模型对应的受约束粒子滤波器并行工作,并对多个滤波器估计结果进行加权,得到更精确的目标运动状态估计值。然后,提出时间最优导航向量场,通过计算期望航向角,引导无人机快速收敛至目标极限环。最后,仿真实验表明,受约束粒子滤波-多交互模型算法相比于传统的滤波算法,估计精度提高了20%,时间最优导航向量场方法相比于传统的导航向量场方法,引导效率提高了15%,所提方法可更有效地用于解决非广域目标对峙跟踪问题。     

一个IRST与雷达数据融合的实例

本文介绍了一个军事领域的数据融合实例,它充分说明了IRDT与雷达的数据融合的优点。通过该仿真实例,进一步说明了数据融合在目标识别、航迹跟踪、威胁判断等方面具有良好的应用前景。