基于深度学习及FPGA的装备目标检测研究

本文应用深度学习技术实现海天背景下基于可见光、红外方式成像的舰船及角反、烟幕干扰的目标检测,这也是反舰导弹作战使用的关键技术之一.采集的可见光与红外成像目标检测数据集涵盖实施典型干扰下的态势场景,贴近实战;结合四种不同的目标检测机制,选取YOLOV3、Faster R-CNN、SSD及CenterNet四种典型模型分别...     

城市环境中无人机作战导航定位研究现状综述

随着各大国之间城市化进程的推进,城市环境中的无人机作战将成为未来必不可少的作战手段之一。针对城市作战环境复杂和作战装备受限的特点,归纳总结了无人机导航技术的研究现状和发展趋势,并给出相应的概念、模型以及被广泛应用的算法。首先,对单无人机定位技术进行了概括总结,包括全球卫星导航系统、惯性导航系统定位、视觉/激光雷达定位、无线传感网定位和融合定位等,上述定位方法能够在城市环境中表现出高精度和鲁棒性的特点;然后,为了解决单无人机在执行任务方面效率低、冗余低、易受干扰的特点,对无人机集群导航定位进行了介绍,主要包括全球导航卫星系统拒止下的导航定位、非视距及多径效应下的导航定位、基于无线传感网和视觉冗余的融合定位等,其中涉及导航恢复及导航增强等内容。最后,面对城市的复杂环境,提出了无人机导航定位技术的未来研究方向,分别为传感器的优化、无人机集群通信和多传感器融合,指出了未来的研究方向和面临的挑战。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。