一种无人机载高分辨率SAR图像目标快速检测方法

针对无人机平台空间和资源有限、高分辨率SAR图像检测容易出现目标标注不准以及计算量过大等问题,提出一种无人机载高分辨率SAR图像目标快速检测方法。该方法首先利用双边滤波器抑制高分辨率SAR图像中存在的相干斑噪声和目标内部的非均匀起伏;然后进行一次大尺度的SLIC分割,通过对超像素单元粗糙度进行分析,对存在欠分割问题的超像素单元再进行一次小尺度的SLIC分割;最后对过分割的超像素单元进行合并处理,最终得到目标检测结果。实验结果表明,该方法不仅可以提升对高分辨率SAR图像目标的检测效率,改善SAR图像目标提取能力,还有利于发现部分人工方法容易遗漏的小目标,具有很好的工程应用价值。     

P3C-MADDPG算法的多无人机协同追捕对抗策略研究

针对策略未知逃逸无人机环境中多无人机协同追捕对抗任务,提出P3C-MADDPG算法的多无人机协同追捕对抗策略。首先,为解决多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法训练速度慢和Q值高估问题,在MADDPG算法中分别采用基于树形结构储存的优先经验回放机制(Prioritized Experience Replay, PER)和设计的3线程并行Critic网络模型,提出P3C-MADDPG算法。然后基于构建的无人机运动学模型,设计追逃无人机的状态空间、稀疏奖励与引导式奖励相结合的奖励函数、加速度不同的追逃动作空间等训练要素。最后基于上述训练要素,通过P3C-MADDPG算法生成策略未知逃逸无人机环境中多无人机协同追捕对抗策略。仿真实验表明,P3C-MADDPG算法在训练速度上平均提升了11.7%,Q值平均降低6.06%,生成的多无人机协同追捕对抗策略能有效避开障碍物,能实现对策略未知逃逸无人机的智能追捕。     

基于智能反射面辅助的无人机主动监听优化方法

针对可疑用户可能利用无线通信危害公共安全的问题,通过智能反射面和无人机组合的方法来帮助合法监视器监听可疑链路。首先,考虑了无人机与地面用户以及地面用户之间复杂的信道交互,构建了一个合法监视器监听速率最大的优化问题。其次,为了解决这个复杂的非凸优化问题,采用深度强化学习技术,将无人机的轨迹规划和智能反射面的相移变化问题建模为马尔可夫决策过程,设计了相应的奖励函数,并基于最大熵的深度强化学习算法实现无人机和智能反射面相移设计的联合优化。最后,从仿真结果看,与无智能反射面的优化方案相比,有智能反射面的优化方案不仅提高了合法监视器的监听速率,还降低了无人机的能耗,另外智能反射面反射单元的不同数量也会对监听速率产生影响。同时,相较于近端策略优化,基于最大熵的深度强化学习算法的优化策略拥有更稳定的训练过程和更快的收敛速度。     

无人机的应用及发展趋势

本文结合无人机的发展历史,阐述了无人机在军事上的重要地位,介绍了世界主要军事强国目前无人机发展的现状,分析了无人机的主要特点,列举了无人机在军事上的应用,介绍了无人机的发展趋势。     

基于MPC和ESO-DO的四旋翼轨迹跟踪控制

针对扰动作用和模型不确定性下四旋翼无人机精确轨迹跟踪控制问题,提出了一种主动干扰抑制和模型预测控制(Model Predictive Control, MPC)策略。模型预测控制器通过扩张状态观测器(Extended State Observer, ESO)和扰动观测器(Disturbance Observer, DO)来估计和补偿干扰,从而实现位置环精确控制。在存在外部干扰和参数不确定性的情况下,通过仿真实验,证明了所提出的方法提高了对建模误差和干扰的鲁棒性,同时实现了对参考轨迹的平滑跟踪。     

小型旋翼无人机建模及航线控制研究

航线跟踪精度是无人机飞行性能的重要指标,针对小型旋翼无人机航线控制问题,在姿态控制的基础上采用PID控制算法实现对预设航线的跟踪.以中国空气动力研究与发展中心低速空气动力研究所研究人员搭建的轴距410 mm的小型四旋翼无人机平台为研究对象,通过牛顿-欧拉法建立了小型四旋翼无人机非线性动力学模型.使用MATLAB/SIM...     

部队机动作战中无人机安全威胁与防控对策

近几场局部冲突表明无人机作战已由小规模使用转向常态化运用,无人机机型谱系众多、作战样式多样,给传统防控体系带来了全新挑战,特别是严重威胁装甲车、坦克、后勤车队等机动作战单元的安全。在分析无人机主要安全威胁的基础上,立足当前典型的无人机防控手段,针对性开展机动作战中无人机防控体系设计,提出驻车待机阶段和机动行进阶段两种防控模式,重点围绕防区规划、防控流程、战术要领研讨防控策略,以期为现代战争中机动作战单元无人机防控力量建设和实践运用提供参考。     

无人机极限边界性能突变模型和评估方法

近年来,无人机的应用范围不断扩大,投入数量呈指数增长,获取无人机在实际环境下的能力底数已成为现阶段的现实需求。无人机执行飞行任务的能力随着使用包线扩展和环境逐渐恶化,其性能由渐变到发生量变,最终在极限边界附近突变、质变。这一过程具有非线性、跳跃性,结果具有显著的突变特征,即在相对较短的时间内,无人机从具备执行飞行任务能力的状态突然转化为丧失飞行能力的状态。引入突变理论,依据系统的内在作用机理将无人机极限边界性能评价问题转变为由多个控制变量组成的系统,提出突变模型和评估方法,并从无人机自身能力和外部环境影响两个方面解构无人机的有效飞行时间模型及推论,构建无人机极限边界性能结构层次,建立极限边界性能评价原则和步骤,获取无人机极限边界性能与正常性能使用、不同类型无人机极限边界性能的对比关系,为探索无人机极限边界性能和不稳定状态提供解决方案。     

遥控机动式侦察干扰系统

本文在阐明遥控机动式侦察干扰系统的作用地位、任务、功能、组成的基础上,详细分析了系统的遥控、遥测、侦察探测子系统的体系结构、组成、数据传输及设备功能等。     

闭环激励下无人机非线性参数频域在线辨识

随着无人机在军民领域的大规模应用,对无人机复杂工况下的安全性和适应性提出更高要求。闭环辨识能够在考虑系统反馈作用下获取辨识参数,大幅提高辨识试验的稳定性和安全性。针对无人机闭环辨识试验中多变量非线性气动参数获取问题,首先基于某固定翼无人机动力学模型,推导了无人机的气动力、气动力矩等29个气动参数辨识模型;然后提出了一种闭环激励下无人机多变量非线性参数频域在线辨识方法,设计了基于递推傅里叶最小二乘的闭环辨识的流程架构;最后通过添加噪声后的仿真系统对辨识方法的有效性进行了验证,对辨识结果的有效性进行了分析,可为后续开展的闭环辨识飞行试验提供技术储备和理论支持。初步仿真结果证明,提出的闭环激励下无人机多变量非线性参数频域在线辨识方法可以高效获得辨识结果,辨识的29个气动参数中有16个气动参数辨识平均误差3.43%,同时提出的辨识方法较常规最小二乘法精准度平均提高25.5%。