可变落点的再入机动飞行器姿控系统设计

基于选择的姿态反馈控制系统结构,从姿控系统稳定性能提高的角度,设计了控制系统反馈参数,以适应可变落点引起的飞行器参数变化。通过机动飞行器的六自由度飞行弹道仿真,表明所设计的姿态反馈控制系统控制效果较好,可适应预定区域内的飞行落点变化要求。     

导弹防御系统中的雷达目标识别研究

以评估美国国家导弹防御(NMD)系统雷达识别能力为背景,分析了地基雷达识别弹道导弹目标的技术途径。根据弹道导弹目标群在飞行中段和再入段表现出的特性差异,提出了涉及目标结构特性、姿态特性以及再入特性的综合识别策略,并初步分析了各种识别措施的可行性。     

基于Hough变换的高分辨SAR图像道路目标检测

给出了一种检测高分辨率SAR图像道路目标的方法。该方法首先对原始图像进行一系列的预处理,然后利用Hough变换识别道路。在提取感兴趣区域时,该算法采用了高斯概率迭代方法代替了一般的CFAR检测或阈值分割;在进行Hough变换时,该算法用平均Hough变换代替一般的Hough变换;在检测变换域峰值点时,采用了结合全局CFAR检测的最大值点搜索的方法;最后对检测出来的准道路,该算法根据道路的独具性质进行鉴别,以确定其是否确实为道路。使用MSTARRedstone实测杂波图进行实验,取得了满意的效果。     

基于方位和线谱频移的TMA方法

采用纯方位跟踪(BOT)技术确定运动声源的位置及速度时,需要自身至少机动一次,这给观测带来了一定的限制。而处于舰船噪声低频区的线谱具有很高的强度和稳定度,这一事实为估计目标运动要素提供了新的思路。综合考虑了目标方位和线谱多普勒频移信息,给出了形式简洁,易于实现的滤波公式,消除了机动限制。计算机模拟及海上试验数据表明该方法能够得到稳定有效的解。     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.     

空间光通信粗瞄系统的扰动估计与补偿

粗瞄系统以直流力矩电机驱动二维转台为执行机构,通过粗瞄控制器对其进行控制。对系统受到的扰动进行分析,应用了最速跟踪微分器提取速度信号;以二维转台的方位轴为控制对象,在其位置环、速度环采用级联线性自抗扰控制器,通过线性扩张状态观测器主动补偿扰动,达到内外环双重隔离扰动的目的,提高跟踪精度;之后进行了实验分析。分析结果表明:在加入同样的模拟扰动信号,输入2 Hz,5 Hz和8 Hz的正弦信号时,与比例、微分、积分控制器相比,跟踪误差的标准差约降低50%;验证了线性扩张状态观测器具有扰动补偿效果;在输入不同频率正弦信号时,自抗扰控制器对输入信号频率的变化不敏感,仍能保证较高的跟踪精度。     

Variable sampling plans for normal distribution indexed by Taguchi's loss function

Taguchi has presented an approach to quality improvement in which reduction of deviation from the target value is the guiding principle. In this approach any measured value x of a product characteristic X brings a loss to consumer in general, where the loss is expressed as a quadratic form with respect to the difference between the measured value x and the target value T of a product characteristic. Then, it is natural to reject the lot which may bring a large loss to consumer. This concept induces us to construct new variable sampling plans based on the Taguchi's loss criterion. In this article, a design procedure of the sampling plans for assuring the loss in the Taguchi's method is proposed. Some numerical results based on the proposed design procedures are illustrated. © 1997 John Wiley & Sons, Inc. Naval Research Logistics 44: 591–603 (1997)     

基于RBF神经网络的背景估计及红外小目标检测

利用RBF神经网络的函数逼近特性,得到了一种红外图像背景估计算法,进而提出了一种检测红外小目标的方法。利用有目标和没有目标的真实红外图像对此算法进行检测,背景估计效果理想,小目标检测效果理想,证明该算法是可行有效的。     

时差方位被动定位法在水下目标跟踪中的应用

在水下目标跟踪中 ,无源被动定位技术是常用的技术。在对利用方位和声波脉冲到达时间差的被动测量来进行目标的定位和跟踪后 ,对系统进行了描述和分析 ,利用递推最小二乘 (RL S)估计算法估计出目标的运动偏量 ,然后结合线性卡尔曼滤波 (KF)算法给出目标的运动状态。仿真结果表明 ,利用方位和时差对水下目标进行定位跟踪 ,可以要求观测站是静止的 ,不必机动 ,并且具有快速收敛、精度较高、稳定等特点。     

机场目标打击顺序灰色决策分析

对军事机场目标的结构、特征进行了系统分析,确立了军事机场目标评估体系,并运用灰色决策分析方法建立了军事机场多目标打击顺序确定的优化模型,为对该类实施导弹打击所进行的火力计划拟制提供了一种新的数学方法。