基于CUDA GPU的多摄像机场面航空器识别加速算法

基于摄像机的航空器识别是机场场面监视的重要工具。针对多摄像机场面航空器识别算法存在的计算效率低等缺点,提出基于GPU CUDA的加速算法。利用CUDA线程并行处理能力与GPU计算能力,对算法进行了重新设计与优化。通过实地对多路场面视频监视数据进行了多次实验,验证了在NVIDIA Geforce 8800GTS显卡上可实现10倍以上的加速性能,提高了航空器目标识别效率,可以满足机场场面监视中对航空器识别与跟踪的实时性要求。     

基于活跃度和任务的目标导向VANETs路由算法

针对车载自组织网络(VANETs)中节点移动速度快、节点任务分布不均、网络拓扑结构不稳定等特点,提出了一种基于节点活跃度和任务的目标导向VANETs路由算法GATRA(goal-oriented routing algorithm based on activity and task)。该算法根据当前运动节点的运动方向与目标节点的关系,以及任务饱和程度,综合考虑采用消息携带还是转发策略,以节约传输平均时延。在选择中继节点时,综合考虑邻接节点的位置、运动速度和方向等影响因素,设计节点活跃度的计算方法,作为选择中继节点的策略,从而提高了消息传输的成功率。仿真结果表明,与当前典型的VANETs路由算法相比,GATRA算法在传输成功率和平均延迟时间上具有较大提升。     

美军的快速目标处理达到新水平

美军利用先进的图像和数据传输技术,建立起目标快速处理系统,使其飞行部队获得了更为有效的快速打击能力。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

基于红外传感器的多无人机对高速飞行器协同定位跟踪方法综述

为了实现高精度远距离稳定定位与跟踪,多无人机搭载红外传感器对高速飞行器的定位跟踪方法成为研究热点。就此背景进行了综合评述,以相关技术难点及关键技术为切入点,分析了瞬时定位和动态跟踪问题的研究现状和发展方向。在瞬时协同定位方面,首先对目标瞬时定位的算法进行了分析对比,然后对造成定位误差的影响因素进行分析并探讨了误差补偿方法,最后针对传感器资源优化,讨论了能够使计算结果最优的传感器分布阵型。在动态跟踪方面,首先探讨了时间不同步问题对目标跟踪的影响及补偿方法,然后对目标运动学建模的问题进行了分析,最后对最优估计问题中各种滤波算法的应用进行对比。综述表明,无人机搭载红外传感器对高速飞行器进行定位和跟踪,存在误差来源多、相对运动速度快的技术难点,需要特别关注定位算法、误差来源及最优估计算法的影响,以尽可能实现稳定跟踪。     

机动目标运动数学模型评述

近十几年来,人们对机动目标的跟踪问题进行了大量研究。问题的核心是如何建立机动目标运动的数学模型。本文主要对现有的空中机动目标的数学模型进行评述和比较研究。     

坐标系与纯角度目标跟踪

纯角度目标跟踪问题一般包括二维纯方位跟踪和三维纯角度跟踪两种情形,其特性与所选用的坐标系有关。广泛采用的坐标系是直角坐标系(二维或三维)、极坐标系(二维)和球坐标系(三维)。本文分别在直角坐标系和改进的极坐标系下建立了二维系统模型,并进行了性能分析,指出了后者的优越性。在三维情况下,作了类似工作。最后还以二维问题为例,建立了机动目标跟踪的直角坐标模型和改进的极坐标模型。     

航天科工集团公司——打造具有国际竞争力的大型跨国企业集团

本世纪头20年发展目标 从2000年起,用15年至20年左右的时间,将中国航天科工集团公司建设成为具有国际竞争力的大型跨国企业集团。2003年的工作目标为 “五个确保” 一是确保以重点武器装备为代表的型号科研生产任务的圆满完成。二是确保集团公司经济持续快速健康发展。三是确保企业破产脱困任务的圆满完成。四是确促实施“走出去”战略取得实质性进展。五是确保以事业部制改革为重点的各项改革顺利进行。