An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.     

基于预报误差分布拟合的卫星历史机动检测方法

轨道机动会引起在轨卫星的轨道异常,是空间态势感知的重点关注对象之一。为此,提出一种从卫星的两行轨道要素编目数据中检测历史机动的方法。通过分析预报误差检测轨道参数的异常编目值,进而获得相应的历史机动信息。对卫星的两行轨道要素编目数据两两预报求差得到预报误差的样本数据后,利用期望最大化算法可以拟合得到以高斯混合模型表达的预报误差的概率分布模型;以此为基础,可以确定利用预报误差检测轨道参数异常编目值的门限;利用轨道机动与异常编目值之间的对应关系,最终实现机动检测。对典型活动卫星的机动检测结果表明,所提方法能够在准确检出历史机动事件的同时保持较低的误检率。     

鱼雷电磁引信作用距离模糊分析及抑制方法

从鱼雷电磁引信收发线圈垂直配置方法基本原理出发,分别分析了位于鱼雷轴线和偏离鱼雷轴线的双接收线圈产生作用距离模糊的原理。对于第一种情况,提出了对双路线圈输出信号进行取模处理的方法,消除了作用距离模糊;对于第二种情况,提出了通过增加对称位置的接收线圈,并对对称位置线圈输出信号求平均后,再进行取模处理,消除了作用距离模糊。仿真结果表明,该方法可有效消除作用距离模糊,提高电磁引信作用距离。     

电磁发射系统改进FAHP-神经网络健康评估方法

准确定量评估电磁发射系统发射前的健康状态意义重大。针对模糊层次分析方法(Fuzzy Analytic Hierarchy Process, FAHP)在评估电磁发射系统串行结构同级元素健康值时存在较大偏差,且无法适用系统非线性变权重需求的缺陷,提出改进FAHP-神经网络方法。通过在计算同级元素健康指数时构造能够满足串行结构健康评估的非线性函数进行计算,并在数学上证明该方法的有效性;通过引入神经网络系统,在已有的系统先验信息和测量数据的基础上训练模型解决系统健康评估非线性变权重需求。基于电磁发射系统脉冲成形网络系统建立健康评估模型,开展评估试验。结果表明,提出的方法健康评估精度较高,在各种系统健康状态下,评估结果均符合系统实际的健康状况;对比传统的FAHP,提出的改进方法评估精度大幅提升,且在评估试验中没有出现故障误报和漏报的情况,从而验证了提出方法的可行性和工程实用价值。     

基于特征值的单矢量水听器目标检测算法

针对水下目标检测在低信噪比与非平稳背景噪声情况下性能下降的问题,结合特征值检测算法原理,给出一种单矢量水听器联合信息互相关检测算法。该算法利用电子旋转导向角度与振速信息构成一种组合振速,并结合声压信息得到一种互相关值,在大快拍无信号条件下,该值满足渐进高斯分布;将该值除以解析振速与声压信息的协方差矩阵最小特征值,得到一种检测统计量;通过与门限值比较,实现目标检测。理论分析可见,所提检测算法无须背景噪声的先验信息,并且可以通过调节导向角度提高检测性能;在单目标情况下,利用检测统计量与导向角度的对应关系可实现目标方位估计。仿真与实测数据结果表明,相比于单矢量水听器最大最小特征值检测算法与能量检测算法,所提算法检测性能优良,适合于单矢量水听器目标预警检测。     

锂电池储能在电磁发射中的应用

随着电磁发射技术的发展,储能环节成为其中不可或缺的一部分。对基本储能单元需求进行分析,以用电系统功率和能量需求为牵引,以储能系统体积重量适装性最优为目标,充分对比现有各类电池参数指标,从安全性、功率密度、能量密度和循环寿命四个方面进行考虑,确定基本储能单元类型为锂电池。面对舰上不同电磁发射设备电压、电流的需求,需要研究能够实现锂电池组快速灵活串并转换的拓扑结构。在实现电池组稳定并联之前,需保证电池组的一致性,因此需计算出电池荷电状态并进行均衡;针对短脉冲大倍率连续放电工况下荷电状态估算不准确的问题,提出以蓄电池组作为研究对象,采用动态辨识方法进行估算。由于各电池组之间存在不一致性,并联起来放电时可能导致输出电流不均衡,使得本来就处于高倍率放电的电池组超限使用,因此将提出一种电池组均流方法来解决此问题。     

基于特征提取的三维流线分布算法

特征提取与清晰表达是三维流场可视化研究中的两个主要问题.提出了一种基于特征提取的三维流线分布算法,既保障了流场临界点附近的特征结构得以正确描述,同时又使输出结果具有良好的清晰性.该算法分为三个步骤:首先,在临界点的快速检测基础上,根据临界点处Jacobian矩阵特征值对临界点进行分类,并对临界点与种子点模板进行匹配;其次,种子点依照优先规则排序,并从这些种子点出发在物理空间计算出流线;最后,在图像空间由预先设置的阈值对流线进行间距控制,并根据深度检测来保留离视点最近的流线,使得屏幕上的输出结果清晰.     

基于粒子群优化的稀疏序列Bayes反卷积方法研究

在地下目标低频声波探测中,由于探测信号的混叠,难以判读反射目标的空间位置.应用信号处理方法求解时,目标信号是稀疏序列,求解方程是病态的.运用Bayes反卷积方法修正其病态性,并采用优化的粒子群算法求解,提高了系统的探测分辨率,同时降低了计算量.实际应用表明,该方法是有效的.     

一种宽带多维雷达信号设计

设计了一种宽带多维雷达信号,在宽带噪声调频信号中通过频率捷变的方式融合非线性调频信号,将探测信号隐匿于宽带噪声调频信号中,对敌方雷达进行干扰的同时实现对目标的探测。仿真表明该信号具有较好的隐蔽性,且兼具探测与干扰的双重功能。     

基于IMM-RUASFF的网络化目标跟踪算法

针对目前网络化目标跟踪算法存在实时性差、精度低等问题进行了研究。首先,基于网络信息共享需求,建立了网络探测节点的目标跟踪模型;其次,网络探测节点目标跟踪需求和实战要求发现目标经常是有多种运动状态并存,而单一模型的滤波器不能满足对机动目标跟踪性能的要求,采用了基于交互式多模型(Interacting Multiple Model,IMM)的有反馈实时更新的异步状态融合算法。最后,针对多个探测节点目标跟踪的状态融合估计问题,提出了一种有反馈实时更新的异步状态融合算法,通过仿真验证了算法的有效性。