基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

基于位置预测的靶场图像实时判读方法

在靶场经纬仪对目标实时跟踪测量时,会发生相机随机抖动的情况,引起目标在图像中大幅度运动。应对大幅度运动时,基于搜索窗口的跟踪方法容易丢失目标,而基于全图搜索的跟踪方法时效性差。针对以上问题,提出一种结合核相关滤波算法(Kernelized Correlation Filter, KCF)和目标位置预测的改进的跟踪学习检测算法(Tracking-Learning-Detection, TLD)跟踪框架。利用正交多项式最优线性滤波器及相机角度信息预测目标下一帧位置,在此区域利用KCF进行快速跟踪,可以提高跟踪的成功率和时效性,跟踪失败时再进行检测。仿真实验表明,最优线性滤波器能较准确预测目标位置,给KCF提供较准确的搜索位置,算法每帧耗时仅为1.1 ms,且定位精度优于TLD和KCF,能有效应对相机抖动的问题。靶场实际试验证明该方法可提高靶场自动判读水平,减少人工干预。     

针对多振源密频及波动线谱主动控制的改进算法及试验

为了让船舶机械主动隔振装置在线谱频率波动和多振源密频耦合等实船复杂工况下,仍能取得良好的振动线谱主动控制效果,研究了以多通道窄带Fx-Newton算法为基础的改进算法,提出了窄带滤波相位失真的自适应补偿器,使控制算法对线谱频率波动具有高鲁棒性;研究了多参考信号Fx-Newton算法,从多振源分离提取互不相关的多参考信号...     

一种基于混合概率PCA模型的高光谱图像非监督分类方法

提出了一种在期望最大化(EM)算法框架下同时实现混合概率主成分分析(PPCA)降维和聚类的高光谱图像非监督分类方法。它根据不同类别应各有自己代表性的特征集,将通常意义下的特征抽取和模式分类合并在一步内完成,尽可能地保留了可分性;同时该方法具有概率模型的优点,更适合高维数据处理。采用仿真数据和真实数据进行的比较实验表明,该算法较一般不加区分地对所有原始数据进行PCA降维再分类的方法能得到更好的分类结果。     

基于改进能量检测的航空集群网络干扰感知

为了增强复杂电磁环境中航空集群战术网络的抗干扰能力,提出把同时收发认知抗干扰电台应用于航空集群网络节点,且每个节点采用改进能量检测方法进行干扰感知。在此基础上,分别研究了存在单/多个干扰源时的网络节点干扰感知性能,推导出干扰感知的虚警概率和检测概率的闭式表达。仿真结果表明,通过调节改进能量检测器的参数p,可以提高航空集群机载战术网络的干扰感知能力。     

坚定理想信念坚持群众路线坚决改进作——中航工业昌飞群众路线教育实践活动综述

中航工业昌飞深入开展党的群众路线教育实践活动以来,紧扣“坚定理想信念,坚持群众路线,坚决改进作风”三个关键词,立足“六早”,即教育气氛早营造、工作机构早成立、实施方案早制定、业务培训早开展、查找问题早调研、立行立改早启动,做到总体安排好、动员部署好、学习教育好、活动开局好.     

基于多尺度特征融合的无人机识别与检测

为了解决复杂背景下的无人机目标识别与检测问题,提出一种改进的更快捷的区域卷积神经网络(faster-region-based convolutional neural network,Faster R-CNN)模型.针对视野内目标尺寸与标定训练集差异问题,设计了3种不同尺度感受野并行检测、权重共享的特征提取结构——多感...     

新型含能配合物类GTG起爆药生产技术

G T G起爆药是一种配合物类高能钝感起爆药。GTG起爆药技术是北京理工大学在引进俄罗斯CCP起爆药技术的基础,通过多年的研究和工艺改进,实施国产化形成的专利技术。大量的研究结果和工业生产使用证明,GTG起爆药可以满足军用、民用雷管的使用要求,从本质上解决了起爆药生产过程安全性和使用过程可靠性的技术难题,极大地减少起爆药生产废水,消除了对环境的污染。主要特点如下:1.GTG起爆药的流散性好该起爆药为白色多面体结晶,理论密度为:2.076g/cm3,相对密度为:2.07g/cm3,假密度为:0.9～1.2g/cm3,具有良好的流散性。性质稳定、不吸潮、…