基于数学形态学的抗无人机检测预处理算法

为降低未来信息化作战条件下无人机对防空领域的威胁,对低信噪比图像序列抗无人机检测预处理技术进行了较为系统的研究.首先针对抗无人机检测问题,引入了预处理和数学形态学概念;详细阐述了图像的膨胀、腐蚀、开启运算,并对背景抑制、图像增强等技术进行了建模和仿真验证.结果表明,该方法能有效地从复杂背景中分离出无人机等弱小目标,有利于后续工作.     

基于遗传算法的导弹结构模态参数识别

系统地研究了基于遗传算法的线性结构系统模态参数识别方法.遗传算法对广义动力学系统的辨识已经得到了充分研究,但在结构系统参数辨识方面的研究还不多,使用浮点数编码方案,利用频响函数数据,给出了结构系统模态参数识别步骤.由于遗传算法的全局寻优特性,该算法具有极强的抗噪声能力,即使对噪声严重污染的数据依然能够很好的辨识出待辨识的参数.通过一个两自由度的弹簧质量块系统进行了仿真分析,最后将方法用于一个实际的导弹结构的实验数据分析.     

激光高重频干扰信号的重复频率研究

从干扰激光导引头搜索和识别制导信号的角度出发,研究了对干扰信号重复频率的要求.研究结果显示所需的重复频率可以小于以往要求.利用激光制导武器光电干扰仿真系统,以某型采用比例导引规律的激光制导炸弹为仿真对象,研究了当干扰信号的重复频率略小于波门宽度的倒数时,对激光制导武器进入制导飞行后的干扰效果.研究结果表明对激光制导武器的制导段仍然能够达到较高的干扰概率.     

基于目标编群理论的通信网络结构识别

为了解决通信网络结构识别问题,根据通信网的工作特点,在识别过程中引入目标编群理论,逐层递增生成通信网络的群结构,并对群结构进行动态维护,识别和更新通信网的组成信息.仿真结果表明了该方法的可行性和有效性.     

基于Floatboost算法的多视角目标识别

采用独立分量分析(ICA)方法对目标图像进行特征提取,提出了基于Floatboost算法与三叉决策树相结合的多视角目标识别级联分类器的设计方法,并融入角度优先粗分类的设计思想.经过与其他分类方法的试验比较表明,基于Floatboost算法的多视角分类器在一定程度上解决了目标旋转等问题,可满足某些实时系统的需求.     

图像目标识别中的分层检索模型

形状特征是武器装备目标识别的关键因素.针对归一化后轴夹角的特点和小波描述子多尺度描述轮廓曲线的特性,提出一种R树索引的分层检索技术模型,在模型库空间逐级过滤出与目标相似的模板,以保证检索的效率和准确性,并通过对军用车辆的检索实验验证了模型的有效性.     

一种雷达辐射源识别自学习算法研究

针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于遗传算法(GA)的自学习算法实现雷达辐射源智能识别的方法。实验表明:在使用相同的特征参数"前件"条件下,通过这种自学习方法得到的正确识别率高于其它识别方法。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

基于滑模变结构的高速动能弹制导控制算法

设计了一种基于滑模变结构的高速动能弹制导控制算法,并结合高速动能弹自身的弹体特性及作战目标需求,对算法中相关参数进行了设计整定。针对滑模变结构固有抖振问题,设计相应算法抑制抖振,通过建模仿真证实了算法的正确性和可行性。根据仿真结果分析,滑模变结构制导控制算法能够使高速动能弹命中目标,且经处理后的滑模抖振问题也能得到相应的抑制。     

含新型间断探测器的混合WCNS格式在间断无粘可压流的应用

为了让高精度数值格式在含间断和小尺度涡等复杂结构的超声速无粘可压缩流动情况下,仍能鲁棒地捕捉激波并快速得到流场高保真的模拟结果,研究了以子模板导数组合为基础的光滑度量算法,构造了精度与鲁棒性兼顾的新型间断探测器,使间断识别对小尺度涡也具有高分辨率;研究了混合加权紧致非线性格式(weighted compact nonlinear scheme, WCNS)方法,对流场中的光滑与间断区域分别使用线性与非线性加权格式求解,从而克服单一非线性格式在光滑区分辨率难以达到设计精度的问题。数值实验表明,使用新型间断探测器的混合WCNS格式对一维、二维Euler方程模拟结果良好,并且相比于在全流场使用局部特征分解的原始WCNS方法有计算效率的提高。