光学成像侦察卫星作战效能分析

为支持航天装备体系作战效能评估,建立了光学成像侦察卫星性能指标与卫星发现目标概率和定位精度的关系以及信息处理与传递模型.以支持导弹打击大型移动目标为例,以命中目标概率为作战效能指标,建立了光学成像侦察卫星作战效能模型.对模型进行了仿真,分析了影响卫星作战效能的主要因素.仿真结果表明所建模型能够合理反映光学成像侦察卫星对作战结果的影响,可用于从顶层分析航天装备.     

混合模糊逻辑方法及其在雷达/红外双模制导中的应用

混合模糊逻辑方法就是利用模糊规则和对象输入输出的观测数据来辨识一个模糊逻辑系统。该方法对模糊规则和观测数据进行了预处理,给出系统模型的初始结构和参数。将该方法用于处理雷达/红外双模制导中对目标的跟踪问题。仿真表明该方法是有效的。     

SBIRS-low卫星红外探测系统探测距离分析

计算了SBIRS low卫星与弹头之间的空间距离及其星载红外探测器对弹头的最大理想探测距离,阐明了降低弹头表面温度以对抗(SBIRS low)卫星的有效性。     

基于红外图像的小目标检测与跟踪方法

为了能在强杂波、低信噪比的情况下检测小目标,人们提出了许多针对小目标检测与跟踪的方法。介绍了基于红外图像的小目标检测和跟踪的各种方法和最新进展,重点讨论了灰度形态法、小波变换法、最优时空非线性滤波法用于小目标检测与跟踪的原理,并指出了今后的发展和研究方向。     

一种雷达波衰减型红外迷彩伪装遮障材料设计方案

伪装遮障以其伪装性能好、适应能力强、作业简单、携带方便而在现代战争中被广泛采用。在对遮障材料性能要求分析的基础上,提出了一种新型雷达波衰减型红外迷彩伪装遮障材料的设计方案。其在可见光、近红外、雷达波段均具有良好的反探测性能,可有效对抗现代高技术侦察手段和设施。     

无人机运动模糊图像复原技术

在无人机飞行过程中,由于成像系统会受到相对运动、姿态变化、机械振动、镜头离焦以及大气湍流效应等影响,造成获取的图像产生退化.由于图像复原问题通常情况下是病态的,综合利用了无人机运动的先验信息,提出了不同运动模糊情况下点扩散函数的估计方法,采用维纳滤波复原算法估计图像,给出了适用于无人机成像制导系统的图像复原方案.最后经仿真实验证明,该算法图像复原效果好,计算量小,抗噪声鲁棒性强,有较大的工程应用价值.     

基于背景建模和前景建模的红外运动检测

为抑制了红外图像信噪比低、非静止背景等引起的虚警产生,将基于背景建模和前景建模运动检测(BM-FM)算法引入红外面目标检测中;为抑制因目标与背景对比度低引起的部分目标区域漏检,提出了基于空间邻域信息的前景建模方法(SNFM),利用前一帧图像在像素点邻域内的前景目标点为样本,用核密度估计进行前景建模.试验表明了基于该前景建模方法的BM-FM算法的有效性.     

水下激光成像系统在反蛙人侦察中的应用

水下激光成像系统作为一种主要的水下光电侦察装备,具有抗干扰能力强、探测距离远、成像质量高等诸多优点,可用于探测水下多种类型的目标。针对水下激光成像系统的反蛙人侦察应用问题展开研究,介绍了水下激光成像系统反蛙人侦察的技术、特点和现状,重点研究了水下激光成像系统几种典型的反蛙人侦察使用方法,并对今后水下激光成像系统反蛙人侦察的发展趋势进行了分析。     

基于逆合成孔径成像激光雷达的自旋小目标成像系统

为了获得毫米级自旋小目标的清晰成像,采用逆合成孔径成像激光雷达技术设计了基于距离向数据与方位向数据相融合的图像重建系统。系统采用大带宽、窄线宽光纤激光器配合调制器实现激光脉冲的线性调频,利用光外差原理对回波信号进行采集处理。结合自旋目标的运动特性,给出了含有自旋分量的回波信号函数方程,并将该分量引入传统的R-D算法中实现了对自旋目标的ISAIL二维图像的重建。实验采用毫米级铝条构成被测小目标,通过步进电机及带倾角的转台完成运动及自旋模拟。实验结果显示,当目标固定时,可通过回波能量数据获得一维距离向图像,与被测目标的4个特征点位置一致。当目标运动时,通过数据压缩并代入自旋参量,最后通过R-D算法可以获得可识别的ISAIL二维图像,验证了系统符合自旋小目标成像的设计要求。     

基于VFGPIR联合特征的决策级加权融合检测方法

车载前视地表成像雷达(VFGPIR)探测浅埋目标时面临虚警率过高问题,可利用序列图像特征的联合检测解决这一问题.首先利用Fisher鉴别比(FDR)定量评估从单帧和序列图像中提取的单个特征的鉴别能力;然后针对单个最优序列特征无法满足探测指标要求提出一种基于决策级加权融合的多特征联合检测方法;最后利用接收机工作特性(ROC)曲线来验证所提方法的有效性.试验结果表明:序列特征比单帧图像特征具有更好的鉴别能力;所提方法性能优于单个最优序列特征、特征向量和多数票融合准则对应的检测结果,有望满足实际探雷应用需求.