未知环境下飞行器视觉/惯导组合测速测高方法

针对未知环境下飞行器导航问题,提出一种基于视觉/惯导组合的测速测高方法。该方法构建包含前若干个成像时刻飞行器位置的惯导扩展状态方程,并采用一种基于摄像机两视图对极几何约束的线性视觉量测方程,通过卡尔曼滤波进行惯导速度修正,在此基础上利用多帧成像的立体视觉交会估计地面特征点坐标,进而得到飞行器相对高度。以飞行器典型巡航轨迹进行的仿真实验表明,该方法能够有效修正飞行器速度和相对高度误差,给出不随时间漂移的速度和相对高度测量结果,并很好地抑制飞行器位置误差的发散。     

分级Δ-关键链路最小干涉路由算法

基于关键链路思想的最小干涉算法在优化网络资源利用率方面取得了显著成效。但有些情况下它对关键路径的判断并不准确,并且对负载平衡考虑得较少。为此提出了一种新的基于分级Δ-关键链路的启发式最小干涉算法,该算法能够更好地识别某些特殊链路的关键程度,并同时考虑了链路负载平衡的优化目标。模拟结果证明该算法在网络资源利用效率和链路负载分散方面效率得到了提高。     

海洋环境监测平行系统优化融合

多个海洋环境监测系统之间存在的功能冗余导致资源浪费和不必要的资金投入,因此应将各个系统优化融合成有机整体来节约海洋环境监测的资源和成本。将海洋环境监测系统按照功能划分为不同的模块,在线性规划融合的基础上引入熵方法,以成本和效能指标为主要对象,通过合理分配,在确保系统优化融合后监测能力不降低的同时,尽量减少建设成本。     

SAR微动目标的稀疏贝叶斯成像方法

SAR微动信息能够反映出目标的属性信息,其微动图像可作为雷达目标识别的一种重要手段。基于SAR微动目标回波的稀疏特性,建立了在过完备词典下的稀疏表示模型,提出一种新的稀疏贝叶斯重构方法——方差成分扩张压缩,该方法仅赋予有重要意义的信号元素不同的方差分量,拥有更少的参数。仿真结果表明,方差成分扩张压缩方法能较精确地估计出SAR目标微动参数,同时能够获得低信噪比条件下较好的微动目标像。     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。     

改进的YOLOV3算法在小目标检测中的研究与应用

战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用.以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,提高模型性能.在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度.     

海战场信息系统和武器系统综合仿真技术研究

本文分析了海战场信息系统仿真的特点,介绍了可以应用于海战场信息系统和武器系统综合仿真的高层体系结构(HLA)技术,描述了澳大利亚国防科学与技术组织(DSTO)基于HLA技术的虚拟舰艇概念和潜在的应用,以及虚拟舰艇结构和层次化联邦共同体概念的设计方法。     

电驱动装甲车辆双重转向控制联合仿真

为了提高轮毂电机驱动装甲车辆转向的灵活性及越野机动性能,借鉴履带车辆滑移转向思想,采用双重转向控制策略。以车辆的横摆角速度为控制目标,设计了自抗扰控制器,通过调整两侧轮毂电机转矩输出产生直接横摆力矩,进而调节车辆横摆角速度,实现装甲车辆双重转向。在Adams中建立车辆动力学模型的基础上,构建Adams与Matlab环境中的联合仿真模型,并进行了联合仿真,结果表明,基于直接横摆力矩控制的双重转向增大了外侧动力输出,减小了车辆在中低速转向时转向半径,提高了车辆的转向性能。     

自行高炮火控系统动态精度模拟中的视觉测量方法

身管指向测量是实现自行高炮火控系统精度闭环测试中的一个难点,提出了一种基于计算机视觉技术的自行高炮身管指向动态测量方法。首先分析了身管及标志物位置关系,然后提出了基于九步旋转的身管指向角解算方法,最后针对实际中初始高低角解算不稳定的问题,提出了多幅图像联合寻优求解的方法。实验结果表明:所提方法高低角测量精度可达2 mil,基本满足实际要求。     

基于小波包能量谱的管道缺陷磁记忆检测信号特征研究

现有磁记忆检测技术判定准则,只能指示应力集中位置,无法进一步获取应力集中信息。为获取应力集中信息,提出一种基于小波包能量谱的磁记忆信号分析方法,进行试件拉伸试验。拉伸应力为200 MPa时,信号小波包能量谱分布较为均匀,各频带能量占总能量之比均小于15%,不存在集中分布的频带范围。拉伸应力为410 MPa时,信号小波包能量谱最大值分布在1,3,4频带,1~4频带能量之和占总能量的73.8%,小波包能量主要集中在低频段。试件屈服后,信号小波包能量谱最大值分布在1,2频带,能量谱分布极为分散,能量主要集中在低频段的1,2频带,1~3频带能量之和占总能量的87.3%。管道试件应力集中程度与磁记忆信号的小波包能量谱分布特征有关,应力集中程度越低,小波包能量谱分布越均匀;应力集中程度越高,小波包能量谱分布越集中,能量主要向低频段集中。