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。     

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。     

机动目标状态估计的最小均方误差界

基于多项式模型的各种自适应滤波算法被广泛应用于机动目标跟踪领域,但尚没有统一的评估标准来衡量这些跟踪算法的优劣。由于存在确定的时变未知输入,机动目标的状态估计实际为有偏估计。基于状态估计均方误差最小的准则,推导了多项式模型滤波的最小均方误差界计算方法,获得了使状态估计均方误差最小的过程噪声方差变化规律。该方法给出了各种基于多项式模型的机动目标跟踪算法的估计均方误差下限,也为机动目标跟踪中最优过程噪声方差的设定提供了依据。仿真结果验证了算法的有效性。     

空间非合作目标捕获方法综述

随着空间事故和失效航天器的增多,地球附近的轨道资源越来越紧张。如今世界各国都在大力发展在轨服务和太空碎片清除,作为其中最关键的技术之一,空间非合作目标捕获近年来成了太空研究领域的重点。目前,国内外各大研究机构针对非合作目标进行了深入研究,并提出了多种捕获方法,取得了较大的进展。对非合作目标进行分类,基于现有的捕获方法介绍了国内外非合作目标捕获技术发展的最新状况,总结了原理方案,分析了捕获方法和关键技术,为我国后续开展相关研究提供了一种研究思路。     

基于LDA算法的一维距离像特征提取

在线性分辨分析(LDA)基础上,通过遗传算法寻找Fisher准则下最优的线性映射中心和相应的最优映射,使不同模式在特征空间内具有最大的可分离性,并将该算法用于雷达目标一维距离像特征提取与识别中。实验表明,和原算法相比,新算法在特征提取性能和目标正确识别率上有较大提高,说明了算法的有效性。     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

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.     

火炮火控系统命中解的分布和存在性

定义了火控系统中问题联立方程应满足的“基本假设”,从理论上讨论了在“基本假设”条件下诸命中解的分布特性 ,证明临近的命中解 (如果存在的话 )是唯一的 ,给出了临近解存在的充分必要条件。用一个简单的实例表出不同目标速度下诸命中解分布的实验数据     

时空积分及粒子群优化算法的目标被动定位方法

目标运动分析是武器控制的基础,研究了可用于目标被动定位的时空积分方法,建立了该方法求解目标运动参数的理论模型,采用粒子群优化算法对时空积分谱进行优化处理以获得目标参数的最优解,海上试验数据处理结果表明该方法能够得到稳定有效的解.     

多决策目标排序的层次分析与灰色关联法

战争中对打击目标排序是下定作战决心的前提,是战场信息处理的重要内容.随着军事科技的发展和战术运用要求的提高,决定目标排序的因素不断增多,作战环境更加复杂,单一指标已不能满足需求.采用层次分析和灰色关联相结合的方法对多决策目标进行分析,为具有多决策因子目标提供了一种排序方法.灰色数据的白化和精确数据的直接使用提高了数据的效率,使得不同特点的目标具有可比性.实例表明,该方法行之有效.