雷达与红外数据融合评述

雷达和红外数据融合由于能够实现信息互补 ,改善对目标的跟踪、识别以及提高系统的生存能力 ,因而引起了广泛的注意。对基于雷达和红外传感器的数据融合算法进行了综述 ,并介绍了一些关键课题。     

红外热像水面寻迹探测的理论分析

针对目前探潜方面存在的问题 ,给出了密度分层环境下潜艇排出热尾流的浮升规律模型 ,预估了水面热轨迹的大体形状 ,并对热成像探潜系统的关键技术指标进行了理论分析 .     

基于双波段红外辐射信息的红外机动目标跟踪算法

利用双波段IRST系统测到的目标双波段红外辐射信息,推导出目标的伪距离量测信息,使得单站IRST系统变为可观测系统;在此基础上,构建了伪量测方程,采用改进的"当前"统计模型和基于最小偏度单形采样策略的UKF算法,提出了一种基于双波段红外辐射信息的IRST机动目标跟踪算法。理论分析与仿真结果表明,该算法能够有效地跟踪机动目标,具有良好的实际应用价值。     

低发射率红外隐身涂料的研究

随着红外探测技术的飞速发展,未来战场的各种武器系统面临着严峻的考验。从抗红外探测的角度出发,分析实现红外隐身的技术途径;选择酚醛树脂作为基体,以铝粉、还原铁粉和铜粉为填料,研究制备了涂料,并测量涂层的红外发射率,结果表明：以铝粉和还原铁粉为填料的涂层红外发射率较低。     

利用卷积神经网络的太赫兹孔径编码增强成像

针对现有太赫兹孔径编码成像算法鲁棒性较差、计算求解复杂度较高等问题,提出基于卷积神经网络的太赫兹孔径编码增强成像方法.该方法通过构建一个端到端的神经网络来实现成像系统的隐式建模,利用网络强大的求逆能力和抗噪性能来实现低信噪比下的目标重构.通过仿真实验可以看出,该方法可以在不同信噪比下实现对不同稀疏度目标的重构.另外,与...     

可见光成像制导半实物仿真中的图像生成技术

目标成像仿真系统是半实物仿真试验中的关键设备,计算机图像生成技术又是成像仿真中的一项关键技术。根据可见光成像制导半实物仿真的需求,从星体数据的坐标转换、星体和目标的位置和亮度控制,以及在计算机仿真的虚拟空间中导引头与目标之间的相对关系等方面,讨论了目标/星光背景动态场景的软件研制过程,实现了高帧频目标/星光背景场景的动态生成,并在仿真试验中得到应用。     

低空复杂场景红外弱小目标快速精准检测

针对低空复杂场景下红外弱小动目标检测难度大、虚警率高等问题,面向探测系统中高帧频图像实时处理应用需求,提出基于全卷积网络的弱小目标精准检测方法和基于现场可编程逻辑门阵列(field programmable gate array, FPGA)的低时延并行处理方法。采用轻量化全卷积网络对红外图像中弱小目标进行空域检测,对相邻图像帧疑似目标进行时域轨迹关联以进一步降低虚警率。实验结果表明:上述方法相比于五种传统方法在检测率和虚警率性能方面均有显著提升,并在单片FPGA上完成100 Hz图像实时处理,处理时延低于1.8 ms,实现低空复杂场景弱小目标高精度高鲁棒快速实时检测。     

神经网络距离-多普勒超分辨雷达成像

研究利用神经网络实现超分辨雷达成像。该方法首先根据Tuff的前后向线性预测(FBLP)方程用神经网络得到样本序列的AR模型参数,然后利用神经网络作线性预测外推,再用神经网络对外推后的数据作离散哈特来变换(DHT)。从哈特来变换可以方便地得到外推数据的离散傅里叶变换,从而得到距离-多普勒超分辨雷达像。利用微波暗室数据对这一方法进行了数字仿真,结果表明这种方法是可行的,即使在低信噪比下也有较好的性能。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

基于边界相切拟合的轴对称工件缺陷重构方法

针对轴对称工件超声检测缺陷重构问题,通过分析传统基于传播时间反演方法的不足和误差产生的原因,提出了一种基于边界相切拟合的缺陷重构方法,并针对实际检测缺陷的类型,采用圆和椭圆作为模型对缺陷进行重构。从重构结果上看,当检测实心体工件时,圆形缺陷的圆拟合重构误差不大于0.1 mm,圆形缺陷的椭圆拟合重构误差小于0.4 mm,椭圆形缺陷的椭圆拟合重构误差小于0.3 mm,空心体工件由于检测方式不同,误差会比实心体大一些。