临近空间高超声速目标跟踪方法研究?

临近空间高超声速目标跟踪技术研究在空天防御系统中具有重要军事意义和理论价值。本文综述了临近空间高超声速目标跟踪中的目标运动建模、目标跟踪算法等研究内容的研究进展,并对其存在的问题进行了深入分析。针对这类目标跟踪存在的问题,结合临近空间高超声速目标探测跟踪需求,指出了临近空间高超声速目标跟踪技术的研究思路,为相关研究提供了参考。     

红外传感器目标跟踪算法

对红外传感器目标跟踪进行了系统的阐述 ,包括航迹起始、已知目标强度分布模型时的红外目标跟踪 ,对目标质心伪测量的红外目标跟踪 ,基于质心及质心偏移测量的红外目标跟踪 ,红外传感器的目标机动检测、利用图像分割和目标特征的红外目标跟踪 ,图像相关算法和 Kalman滤波的红外目标跟踪 ,简化充分统计量的红外目标跟踪 ,修正球坐标系 (MSC)的红外目标跟踪、利用主客观知识的红外跟踪 ,红外传感器的微弱信号检测与跟踪以及红外传感器检测 -跟踪的联合优化等研究具有一定的参考意义     

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     

基于BP神经网络的空中目标威胁排序

研究了BP神经网络算法对空中目标进行威胁排序的方法.水面舰艇对空防御作战中,舰载平台多传感器系统获得空中目标属性信息不完全,利用BP神经网络建立目标各属性权值的分配模型,通过大量的实例对模型进行训练,可以使所获得的空中目标属性信息得到充分利用,从而得到基本符合战场环境的客观的空中目标威胁排序.     

自适应交互多模型算法在机动目标跟踪中的应用

针对多模型算法在机动目标跟踪中存在的问题,运用交互多模型算法(IMM)和自适应滤波理论,设计了一种自适应交互多模型算法(AIMM),结合目标运动模型对目标当前加速度和其方差进行估计,并在此基础上给出了AIMM中模型集和模型转移概率的设计方法,进行了计算机仿真.蒙特卡罗仿真结果表明,与标准IMM算法相比,该算法比IMM算法的跟踪性能有很大提高,跟踪复杂机动目标比IMM有更快的收敛速度,跟踪滞后问题得到较好的解决,跟踪目标的稳定性和精确性均优于IMM算法,有利于机动目标的实时跟踪.     

远程预警声呐发现目标后的机动原则

鉴于经典的载体优化理论对装备舷侧阵声呐的潜艇的局限性,讨论了装备舷侧阵远程预警声呐的潜艇发现目标后的机动问题.在分析经典的载体优化机动理论的使用条件和特点的前提下,借鉴美国潜艇拖曳阵远程预警声呐发现目标后的战术机动思想,提出了装备舷侧阵声呐的潜艇发现目标后可以采取与初始发现方位线相垂直的倒"U"字机动策略及具体的细节.该机动方法理论上成立,但具体参数的确定还需要经过计算机仿真和海上实践的检验.同时认为战术理论的发展与装备技术水平的发展紧密相关.     

海底小目标数据库功能和运用方法研究

利用海底小目标数据库中的数据信息辅助探猎雷作战,可以摆脱传统探猎雷作战行动中的盲目性,优化反水雷作战流程,有效提高反水雷作战效率。如何科学构建数据库功能,合理设计数据存储、查询和调用的方式方法,以充分发挥各类探测数据的潜在作用,对辅助反水雷战术指挥决策具有重要意义。本文根据海底小目标对探猎雷作战的影响,提出目标位置比对、声纳图像比对、探测态势比对和数据统计分析是海底小目标数据库所应具备的主要功能,结合探猎雷过程中的典型作战环节,阐述了各项功能的基本运用方法和实现手段,指出数据的“量”“质”以及采集规范和维护管理制度,均是数据库建设的重要前提,并对建设数据库所应具备的保障条件进行了 说明。     

非合作目标视觉/惯导相对导航及敏感器自标定方法

利用视觉/惯导对空间非合作目标进行相对导航时,两敏感器的外参数对导航精度有较大影响。考虑到敏感器间的外参数标定复杂且耗时,提出一种利用视觉/惯导在估计相对状态过程中对其外参数进行标定的方法。该方法将视觉/惯导的外参数作为状态变量,与相对轨道运动学方程、相对姿态方程及惯导模型共同组成系统状态方程。利用该状态方程和单目视觉的观测量设计扩展卡尔曼滤波器对相对位姿、惯导偏差及视觉/惯导外参数进行估计,并通过数学仿真对该方法的有效性进行验证。仿真结果表明,该方法能够在视觉/惯导初始外参有偏差的情况下,有效估计相对位姿及惯导漂移,并对视觉/惯导外参数进行标定。     

警卫专业综合演练的原则

专业综合演练对专业教学来讲是一个全新的课题,需要进行多方面的探索和实践。从研究警卫专业综合演练的原则入手,提出了组织实施综合演练应当遵循的几个原则。目的在于恰当地把握和评估演练,使演练更好地为提高学员执勤和处突能力服务。     

基于形状熵差的相似多目标检测方法

为实现靶场多目标图像的目标自动检测,利用多目标形状的相似性,提出一种基于形状熵差的目标检测新方法。提出了形状熵差的概念,将目标形状模型引入局部熵计算中,由局部内熵与局部外熵之差的极值点确定目标位置。基于此设计并实现了一种新的目标自动检测方法。通过实验证明了算法的有效性和鲁棒性。相比较于常见的一些目标检测算法,该方法具有更好的抗干扰能力和环境光照变化适应能力,可以应用于靶场多目标图像的目标检测,也可应用于其他类似的目标检测问题。