毫米波主被动阵列探测技术

针对单通道探测的不足,提出了毫米波主被动阵列探测技术,为导引头提供更加真实详细的目标信息。主被动复合探测体制可以结合雷达和辐射计的优点,远程时使用主动探测,可以增加探测距离,近程时使用被动探测,可以避免角闪烁。当弹丸以一定转速垂直下落时,毫米波波束和弹轴成特定角度对地面作螺旋圆锥扫描,当波束扫描过目标时,探测器阵列输出与目标相对应的信号,通过对各个通道信号作相关处理判断即可确定目标的精确方位,此时输出修正或起爆信号。试验表明该技术能够精确探测目标中心。     

干涉仪测向中相位差精确测量技术研究

相位差的精确测量在以相位为参考信息的测向体制中十分重要,直接影响了测向的精度。重点研究了相位差精确测量技术。在详细分析3种有效的测量方法基本原理基础上,比较精确地获取了信号的相位差,并通过大量的仿真实验比较3种方法在不同情况下的性能,为实际应用中选择合适的方法提供了依据。     

一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。     

基于云-神经网络的液体火箭发动机故障检测方法

根据故障检测原理,研究和实现了基于云-神经网络的液体火箭发动机故障检测方法。根据训练结果、测试结果和故障检测结果可以看出,云-神经网络用于液体火箭发动机的故障检测是可行的,经过历次试车数据验证,该方法没有误报警和漏报警。     

基于动态行为监测的木马检测系统设计

首先介绍了特洛伊木马的基本概念及常用的木马检测方法,然后在分析传统的基于静态特征的木马检测技术缺点的基础上,结合基于动态行为监测的木马检测思想,研究以木马植入、隐蔽和恶意操作所需资源的控制和动态可疑行为监测相结合的隐藏木马检测技术,并提出了基于动态行为监测的木马检测系统的基本框架,给出了动态行为监测的相关策略和可疑行为的分析与判定的方法。     

面向异常检测的高光谱图像压缩技术

异常检测已经成为高光谱图像重要的后续应用之一,提出了一种面向异常检测的高光谱图像压缩算法.为减少压缩对异常检测性能的影响,首先采用RX算子对高光谱图像进行异常检测,并对异常点与背景对应的光谱维矢量进行预处理.对高光谱图像的光谱维矢量进行KL变换,通过引入虚拟维数估计算法对原始数据的本征维数进行估计,在此基础上给出了一种主分量选取方法.最后,采用最优码率分配策略为各主分量分配相应的压缩码率,并利用SPIHT算法分别进行压缩.实验结果表明,该算法在获得较高压缩性能的同时,可有效保持图像中的异常信息.     

图像配准技术在DPCA动目标检测中的应用

杂波相消是运用DPCA方法进行地面动目标检测的一个关键问题,如果能将两幅图像精确配准将会得到很好的杂波相消图.基于傅氏变换及最大频谱法,采用了一种新的配准方法对真实的机载SAR图像进行了粗配准与精配准,得到了较好的杂波相消图,并有效准确地检测出地面动目标.     

基于候选轨迹统计模型的红外弱小点目标检测(英文)

建立候选目标轨迹集合,以候选目标轨迹集合为样本空间,利用沿候选轨迹的能量积分构造此空间上的概率分布,从而建立候选轨迹的概率统计模型.以此模型为基础,设计了一种弱小点目标检测方法.通过蒙特卡罗实验方法调节模型参数,使得算法的检测性能达到所提出的指标.该算法规避了以往算法中需要获得解析形式的候选轨迹密度函数的限制,因此能检测出沿任意方向作直线运动的点目标.最后,针对给定的弱小点目标观测图像序列,利用所提出的算法进行检测,仿真结果证明此算法是有效的.     

模糊专家系统自动装弹机故障检测系统

针对步战车装弹机故障检测困难,设计步战车装弹机故障检测系统,自动高效地实现对步战车装弹机的故障检测。利用模糊专家系统解决模糊问题的基本方法,阐述了系统的总体设计和硬件设计,按照输入输出信号的特点,将系统分为模拟信号输入输出模块和数字信号输入输出模块,并详细介绍了系统软件的核心——模糊专家系统的设计,特别是对模糊专家系统中知识库、推理机、解释模块以及学习模块的开发进行了探讨。     

智能监视系统中红外运动目标检测

本文使用一种基于Cauchy分布统计背景模型的背景剔除（background subtraction）技术成功地实现了对低分辨率红外视频目标的检测。提出以柯西分布作为斧景图像像素强度比值的统计分布模型,并融合图像局部线性相关技术实现背景剔除。该方法同时利用了单个像素点的时序统计特性和邻近像素点所蕴涵的空间区域特性,实现了精确的目标检测。最后的实验表明,所提供的算法可以对室外场景中的红外视频目标实现精确地检测,可以有效地抑制背景中杂波的干扰。