基于深度学习的高超声速飞行器运动行为识别

高超声速飞行器具有机动大、速度高、航程远、威胁强等特点,已成为各大国重点发展的武器装备,识别其运动行为能为防御和拦截提供有力的技术支持。本文对有禁飞区等复杂约束条件下的高超声速飞行器运动行为识别问题开展研究：首先通过分析高超声速飞行器的运动特点,建立能够充分描述其行为模式的参数化运动方程;然后基于优化思想求解有禁飞区等复杂约束条件下的航迹规划问题,构建其数据集;最后基于深度学习方法设计高超声速飞行器运动行为识别算法。试验结果表明：所设计的识别算法能够实现对高超声速飞行器运动行为的识别,且具有一定的泛化能力,可为后续防御决策提供一定的参考。     

面向惯性装填的输弹运动研究

为实现不同装填角度下弹丸的卡膛速度一致性和降低输弹运动的峰值功率,以提高输弹一致性和减轻动力系统负荷,根据惯性装填工作原理,运用非对称式S型速度规划方法调整输弹运动状态,并基于虚拟样机仿真建立了参数化的输弹运动模型。以弹丸的卡膛参数为约束,面向惯性装填建立输弹运动优化模型,以实现不同装填角度下弹丸的卡膛速度一致性及降低输弹峰值功率。采用多岛遗传算法和修正可行方向法组合优化策略求解优化模型,优化结果表明：优化后的输弹运动可实现不同装填角度下弹丸的卡膛速度一致性,且输弹运动峰值功率降低了14.9%,验证了该方法的有效性。     

视频监视前景图像估计的盲源提取方法

在视频图像运动检测的背景消减方法中,场景图像或帧可建模为前景图像和背景图像的叠加或线性混合。然而,实际中图像的背景和前景往往相关,常用的主成分分析和独立分量分析等方法难以实现准确提取。为此,将视频图像的前景提取建模为盲源提取问题,提出了一种基于均方交叉预测误差的盲源提取方法,可以从相关的源视频图像中提取期望的前景图像,并将该方法扩展应用于基于基本模型和特征背景模型的背景消减方案中。基于人工和实际视频的实验验证了盲源提取背景消减方法的可行性和有效性。     

基于信息融合的多星搜索动目标问题

运用多星在海洋中搜索动目标,当动目标失去联系或者目标存在战术意图时,这种不确定动目标搜索将变得极为困难。建立搜索图描述搜索的环境模型,提出了一种解决多星搜索动目标问题的方法。利用信息融合的信息更新搜索图,并根据目标的运动预测方法再次更新搜索图,动态规划整个多星搜索动目标过程。卫星搜索策略是最大化目标发现概率。仿真实验结果验证了所提方法的有效性,能够有效地解决多星搜索动目标问题。     

高超声速目标运动特性及其对预警系统的影响

在建立高超声速目标运动模型的基础上,采用定量比较的方式分析其与弹道导弹的飞行路径、飞行时间和机动能力,以利于对目标进行预警探测。分析表明,典型参数条件下高超声速滑翔飞行器大气层内相对低空飞行,飞行时间比弹道导弹慢数分钟,但横向机动范围达数千公里,使对其全程探测、搜索捕获和轨迹预测困难。分析结果可为反临预警体系建设提供技术支撑。