箭（弹）级间螺栓法兰连接结构准静载失效实验与数值仿真研究

基于火箭(导弹)级间螺栓法兰连接结构,简化设计并制作了一组原理性实验件,设计准静载加载实验测试系统,进行了两次准静载失效实验,并利用ABAQUS软件建立对应的有限元模型。实验中设计了螺栓力响应信号采集传感器,获得了螺栓力响应数据、加载力与加载位移等多组关键数据。根据实验效果和实测数据,分析了连接结构在准静载荷载作用下的失效机理,并对比验证了有限元模型数值模拟效果和精度与实验吻合较好。研究结论可为箭(弹)级间连接结构承载能力和失效实验设计提供参考。     

目标协同跟踪系统图像监控软件流程设计

为更好地对复杂战场环境下敌方目标运动状态作出精确估计并实施精确打击,提出了构建基于多传感器的目标协同跟踪系统的设计方案。设计的系统主要由可见光无人传感器平台、指挥控制中心、传输设备组成,重点阐述了指挥控制中心图像监控软件设计流程。该系统的设计为进一步研究基于微波、毫米波、红外、可见光等混合多源传感器的目标协同跟踪系统提供一定的参考价值。     

目标图像状态噪声容许范围内的满意跟踪研究

利用满意估计的思想,在图像状态噪声容许范围内,对图像波门中心进行预测,以使在整个图像跟踪过程中,目标穿越波门的滞留度满足预定要求.在求取满意估计的滤波增益时,运用了线性矩阵不等式(LMI)方法,并用Matlab-LMI计算软件求解.     

上下文感知的深度弱监督图像哈希表示学习方法

针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。     

生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。