基于分数阶傅立叶变换的ARM检测技术

分数阶傅立叶变换(FRFT)是傅立叶变换的广义形式,对线性调频(LFM)信号具有很好的能量积累作用.针对反辐射导弹(ARM)雷达回波信号的线性调频特性,提出了一种基于FRFT的反辐射导弹检测方法,并根据ARM信号的调频特性将FRFF局域化,缩小了峰值搜索区域,提高了检测效率.仿真实验表明该方法能够在高斯、非高斯分布杂波环境下有效地检测ARM信号.     

SiC纤维表面CVD SiC涂层对其单丝强度的影响

采用化学气相沉积(CVD, Chemical Vapor Deposition)工艺在KD-I型SiC纤维表面制备了SiC涂层,选择2h、4h、6h和8h四个时间点研究了沉积时间对纤维性能的影响.结果表明:具有CVD SiC涂层的SiC纤维较无涂层的纤维来说强度有所下降;在所研究的沉积时间范围内,随着沉积时间的增加,涂层的厚度有所增加,涂层由不连续的岛状转变为连续层状,纤维的单丝强度出现了先升后降的趋势.     

机动目标一维距离像RAT法线性化补偿

研究了机动目标宽带线性调频脉冲回波全去斜率信号模型,根据速度和加速度的调频频谱展宽特点,提出了机动目标宽带一维距离像线性化调频回波模型,给出了Radon模糊图转换(RAT)法线性参数估计与运动补偿方法,并进一步分析了测速和测距误差.仿真实验验证了RAT法一维距离像线性化参数估计与补偿,表明该方法很好地解决了运动参数未知情况下机动目标的一维距离像频谱展宽问题.     

滑翔飞行器多目标弹道优化的进化-配点混合求解策略

针对高超声速滑翔飞行器弹道多目标优化问题,综合考虑计算效率和精度,结合分解进化算法与配点法提出一种混合求解策略。根据滑翔飞行器动力学模型和弹道设计中需要考虑的约束条件,建立飞行器多目标弹道优化模型。利用控制量离散化方法将多目标弹道优化问题转化为带约束的多目标参数优化问题,并采用罚函数法处理约束条件,随后利用分解多目标进化算法进行求解。为了提高弹道优化的精度,将椭球聚合法与配点法相结合,以多目标进化算法得到的Pareto解作为初始解进行迭代求解。通过典型的复杂约束多目标弹道优化的算例表明,所提出的混合求解策略能够获得满足复杂约束要求的Pareto最优解集,实现有效的多目标弹道优化。     

基于GDOP的多基地雷达布站优化研究

以BLUE算法和GDOP为基本定位算法和精度分析工具,评估多基地雷达的定位性能,建立以GDOP最小值最小和有效监控区最大为目标的多基地雷达布站优化模型.仿真结果表明,通过以下措施可提高定位性能:①增加收发站总数;②采取扇形方式布站;③优先增加部署接收站;④交替部署收发站;⑤通过优化模型优化扇形布站分布角总和.     

对高重频PD雷达的舍脉冲干扰

高重频PD雷达是为解决测速模糊而在机载雷达中广泛采用的一种PD雷达工作模式,从PD雷达的特性来讲,由于带宽比较窄使得噪声干扰能量利用效率不是很高。采用DRFM精确获取雷达信号实施干扰是当前干扰的发展方向,但是对占空比接近50%的高重频PD雷达,采用对低重频PD及中重频PD可行的距离拖引,速度拖引等一系列在雷达信号脉冲串间隔内产生复杂调制的干扰方法是不合适的。主要针对高重频PD雷达重频高、占空比大的特点,提出了一种舍脉冲干扰方法,对DRFM截获的雷达信号进行快速部分转发,间隔一定脉冲数舍弃一个脉冲,改变原雷达信号的脉冲重复周期,使得在频域上产生多个速度欺骗性干扰信号,并通过仿真验证了干扰的有效性。     

基于分形的地图自动综合方法

为了较好地解决根据已知比例尺的地图通过自动综合生成满足不同比例尺需求的地图,利用地图边界所具有的分形特征及分形维数的不变性,提出了一种地图边界自动综合的方法——MADP。该方法不仅很好地保持了地图的形状特征和细节,而且较好地解决了公共边界的综合问题。实验表明,该方法具有较高的效率和公共边界综合能力。     

防发散无迹卡尔曼滤波自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。