机载武器控制系统算法研究

机载武器控制系统的算法是其软件部分的核心,算法的最终目的是保证在一定的条件下实现最有利的武器运用方案。将机载武器控制系统的算法分为四个不同的子算法,对每一子算法的建立方法进行了描述,最后得到形成执行命令的算法,即武器运用方案执行命令分配及形成的算法。     

精确制导前沿成像探测技术

回顾了精确制导技术的发展历程,分析了精确制导成像探测技术发展过程中面临的挑战与未来的主要发展方向。结合太赫兹、量子和超材料等前沿技术的发展动态,分别梳理了太赫兹雷达、量子雷达以及超材料雷达三种典型的精确制导前沿成像探测技术的技术背景、发展脉络、基本原理、技术优势。这三种成像探测技术有望为精确制导技术应对未来新型战争形态带来的挑战提供可行的技术途径。研究成果可为未来精确制导技术的深入可持续发展提供参考,并对提升精确制导武器的打击与拦截作战效力具有重大意义。     

机载卫星导航终端定位精度试飞中杆臂效应的校正

飞机/直升机加装机载卫星导航终端后,需要对终端的定位精度进行试飞测试。由于试飞测试中产生基准数据的机载差分卫星导航系统(DGNSS)天线通常无法与待测终端(TUT)天线共用安装位置,因此,两者测量结果存在杆臂效应,从而导致试飞中TUT产生的定位数据相对基准数据存在变化的偏差。通过分析试飞测试中差分卫星导航系统产生的基准数据与被测终端输出测量值的关系,给出了统计意义上的待测终端精度计算方法,可有效校正杆臂效应对待测终端定位精度分析的影响。最后,仿真分析验证了方法的正确性,并在实际试飞测试中进行了应用。     

基于深度学习的SAR图像目标检测实验

针对目前SAR图像目标检测算法只能进行单一目标检测和检测精度不高的问题,对深度学习目标检测框架在SAR图像目标检测的应用进行了实验研究,并结合SAR图像特点进行了优化。比较了基于区域建议的Faster-RCNN和无需区域建议的SSD目标检测框架在SAR图像上的目标检测精度和速度,分析优缺点;研究了预训练模型对SAR图像目标检测精度的影响;最后通过零均值规整化提高收敛速度和检测精度。实验结果表明优化后的目标检测框架,实现了SAR图像多目标识别并提高了检测精度,可以有效地应用于SAR图像多目标检测。     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.     

改进的SAR图像车辆目标姿态角估计方法

合成孔径雷达(SAR)对车辆目标的识别效果与目标的姿态角密切相关.如果确定了目标的姿态角,就可以大大降低识别系统的运算量,提高识别效率.Radon变换是一种检测目标姿态角的有效方法,但是Radon变换在实际应用中有一定的局限性.通过利用二维连续小波变换引入角能量密度函数的概念,提出了一种Radon变换和角能量密度相结合的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证该种方法能够准确的估计目标的姿态角.     

探地雷达的地下目标定位方法

目标定位是雷达需要完成的主要功能之一,提出了机载探测时的地下目标定位方法-多点测量方法.在建立电磁信号从机载雷达到地下目标传播路径模型的基础上,该方法利用合成孔径技术中多点测量的特点,利用机载探地雷达在不同位置的回波时间,建立并求解包含目标信息的方程组,实现机载条件下探地雷达对地下目标的定位.同时得到了地层媒质的相对介电常数,为地层研究提供了有力条件.     

今日英国国防科技工业

今日国际舞台,大英帝国是美利坚合众国的忠实追随者和铁心伴侣。超级独霸打到那里,“日不落”帝国就跟到那里,甚至就直接做急先锋罢了,就象最近在伊拉克。老帝国之所以还能跑得动,就是还有不少家底。今日英国的综合国力显然日渐衰落,但对国防科技工业却很重视,仍能在世界上排在前几位。     

基于ISAR技术SAR图像获取

在SAR技术进入使用阶段后,雷达图像的应用就成了人们研究的对象,但是目标雷达特征并不为人们所熟悉。对于一个复杂的目标或者场景,人们很难想象出其不同雷达参数下的图像。为了解决这个问题,雷达图像模拟技术应运而生。本文利用已有的典型军事目标的缩比模型,采用ISAR的方法模拟典型军事目标的合成孔径雷达图像。     

对抗低空飞行器威胁的雷达对策及发展趋势

文章以低空和超低空飞行器的技术现状、特征及对防空雷达的威胁为前提,主要论述低空补盲雷达、机载预警雷达、气球载警戒雷达的低空探测性能及对抗低空和超低空飞行器威胁的技术措施和发展趋势。