地面目标特征识别与无人飞行器位姿估计

针对小型无人飞行器位置姿态估计问题,提出了一种基于视觉图像目标特征的相对位姿估计算法。应用Camshift算法获取目标初始位置,利用非线性尺度空间下的KAZE特征进行跟踪区域特征点提取,与源目标特征点进行匹配,得到精确的目标位置信息,实现了在图像平面内的目标快速跟踪,并得到机体轴系下无人飞行器与目标间相对位置和姿态角的估计值。对算法进行了实验验证,具有优良的跟踪性和实时性。     

地基雷达探测临近空间高超声速目标优化部署方法

为提高地基雷达对临近空间高超声速目标的探测能力,探讨了一种实用高效的地基雷达优化部署方法,对地基雷达探测临近空间高超声速目标的难点和数学模型进行了分析,提出了地基雷达探测临近空间高超声速目标的部署原则和量化指标,建立了地基雷达优化部署模型,并进行了信息素引导性控制的蚁群算法设计。仿真结果表明,该方法可实现多种程式地基雷达的优化部署,提高了地基雷达优化部署效率和可操作性,为地基雷达探测临近空间高超声速目标的优化部署提供了一种新思路。     

雷达对抗仿真推演系统的组件化设计与实现

为了提高雷达对抗仿真推演系统的可扩展性、可重用性,以适应现代战场的应用需求,对其进行了组件化的设计与开发。首先,分析了雷达对抗仿真推演系统组件化设计的基本思想,给出了组件化仿真系统的开发流程,在此基础上,分别从功能需求分析、仿真架构设计、仿真组件开发,系统集成运行等4个方面对组件化雷达对抗仿真推演系统进行了分析与设计,最后给出了运行实例。实践表明,这种开发模式是有效可行的。     

电子防空作战中雷达对抗目标威胁分析与评估

针对电子防空作战雷达对抗力量在指挥与运用中面临的目标威胁评定问题,首先从技术、战术、动态和静态等方面全面分析了雷达对抗目标的威胁因素,其次,运用可拓学的多目标优化理论和运筹学中的理想决策法的原理和方法,提出了一种新的基于物元矩阵的理想决策模型,最后,实例验证表明该模型可行、有效,便于计算机辅助决策,为雷达对抗目标威胁评估提供一种新途径,可为指挥员对空情威胁做出正确判断提供支持。     

雷达抗干扰性能评价指标体系及发展趋势

随着现代电子技术的发展,雷达面临着更为复杂的电磁干扰环境,亟需建立一套雷达抗干扰性能评价指标体系来指导雷达ECCM的测试评价工作。介绍了雷达抗干扰指标体系的指导思想和常用指标的选取,分析总结了现有的指标体系。最后,通过对目前研究中存在的问题的分析,预测了抗干扰指标体系未来发展的趋势。     

基于压缩感知的曲线SAR孔径优化和目标三维特征提取

基于压缩感知理论研究了曲线合成孔径雷达的曲线孔径优化和目标三维特征提取。在建立曲线合成孔径雷达回波信号稀疏表示模型的基础上,基于压缩感知采样矩阵设计的不相关原则,给出了曲线孔径优化设计的评价准则,并利用基于全局优化的基追踪方法实现了目标三维特征提取。仿真结果验证了孔径优化评价准则的正确性和基追踪方法在目标特征提取处理中的有效性。     

互耦条件下方位全向米波雷达测角算法

针对方位全向米波雷达的天线阵列口径小,阵元间互耦严重,从而使得传统全向测角方法误差大的问题,提出一种互耦条件下的无模糊全向测角算法。该算法利用相位模式激励出的-1阶,0阶和1阶模进行联合测角,相比于仅利用-1阶和0阶模或者0阶和1阶模,消除了互耦对测角的影响;相比于仅利用-1阶和1阶模,可实现无模糊测角。理论推导、仿真分析以及实测结果均验证了该算法的有效性。     

俄空军将补充“天空”雷达

据俄罗斯媒体2015年1月13日报道,2015年俄军将有4部"天空-M"和"天空UM"雷达投入东部军区战斗值勤。这些雷达将加入驻扎在外贝加尔、哈巴罗夫斯克和滨海边疆区的雷达部队,补充空中监视系统。"天空-M"和"天空UM"雷达是跨兵种使用的中高空机动雷达系统,能够在强     

杂波和干扰条件下基于强化学习的机载雷达波形设计

针对复杂电磁环境机载雷达智能抗干扰问题,提出一种基于马尔可夫决策过程（markov decision processes,MDP）的机载雷达波形设计方法。为实现最优决策,建立雷达和干扰MDP博弈模型,融合利用目标、杂波、噪声、雷达和干扰信号等多维度电磁信息,设置信号和干扰噪声比为奖励函数;基于贝尔曼方程和策略迭代法计算信号频域最优策略,通过迭代变换法设计时域最优波形,并采用目标检测概率衡量算法性能。仿真结果表明,和线性调频信号、跳频信号相比,该方法设计波形具有更好的环境适应性和抗干扰能力,在此基础上提高了机载雷达目标检测概率。     

基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。