弹体姿态调控引信系统设计与仿真

为减小巡飞弹弹体姿态偏差对引战配合的不利影响,提出弹体姿态调控引信的概念。在利用弹上信息的基础上,设计一种通过弹上加装微型脉冲推冲器产生的直接力快速调控弹体滚转角的引信;建立滚转角调控量计算模型,利用相平面分析法,设计微型脉冲推冲器的启动策略,保证弹体姿态在起爆时满足最佳引战配合要求。仿真结果表明调控时间短,使用的微型脉冲推冲器数量少,利用引信进行姿态调控是可行的。     

弹道修正弹发展综述

弹道修正弹作为一种新型的精确打击弹药,以其造价低廉、具有一定打击精度而备受青睐。在广泛搜集国内外资料的基础上,对其发展历史、现状及趋势进行了论述。通过对其关键技术进行剖析,并结合我国发展实际,指出我国目前着眼于一维半主动弹道修正弹的研制是一个可行的发展方向,同时应该加强主动模式弹道修正弹这一发展主流相关技术的预研工作。     

基于分类网格的星载SAR图像系统几何校正快速算法研究

本文利用星载SAR影像的星历数据,探讨了基于SAR成像原理的距离多普勒模型系统几何校正法,提出了一种基于分类网格的SAR图像系统几何校正快速算法,并以国内某卫星的数据位参照,验证快速算法的正确性,为精确打击下无控制点的全自动目标定位打下基础。     

电阻阵红外景象投影仪非均匀性校正方法学

电阻阵红外景象投影仪是红外成像制导系统和前视红外系统等红外探测系统性能测试、评估和系统动态仿真的重要装置。但是其严重的辐射非均匀性限制了它的应用范围。因此,必须要进行校正。本文对非均匀性校正的方法学进行研究,综述几种有效的校正方法及其实施过程。     

经纬仪红外基准点误差修正及分析

经纬仪的红外测量数据含有基准点误差,在数据处理中,该误差对目标定位精度的影响往往被忽视.文中提取了经纬仪摄影轴之间的几何关系,由几何示意图推导了误差修正公式,分析了基准点误差问题.仿真结果表明,基准点误差严重影响目标定位精度,在红外数据处理中必须予以修正.     

融合视觉词与自注意力机制的视频目标分割

目的 视频目标分割(video object segmentation,VOS)是在给定初始帧的目标掩码条件下,实现对整个视频序列中感兴趣对象的分割,但是视频中往往会出现目标形状不规则、背景中存在干扰信息和运动速度过快等情况,影响视频目标分割质量。对此,本文提出一种融合视觉词和自注意力机制的视频目标分割算法。方法 对于参考帧,首先将其图像输入编码器中,提取分辨率为原图像1/8的像素特征。然后将该特征输入由若干卷积核构成的嵌入空间中,并将其结果上采样至原始尺寸。最后结合参考帧的目标掩码信息,通过聚类算法对嵌入空间中的像素进行聚类分簇,形成用于表示目标对象的视觉词。对于目标帧,首先将其图像通过编码器并输入嵌入空间中,通过单词匹配操作用参考帧生成的视觉词来表示嵌入空间中的像素,并获得多个相似图。然后,对相似图应用自注意力机制捕获全局依赖关系,最后取通道方向上的最大值作为预测结果。为了解决目标对象的外观变化和视觉词失配的问题,提出在线更新机制和全局校正机制以进一步提高准确率。结果 实验结果表明,本文方法在视频目标分割数据集DAVIS (densely annotated video segmentation)2016和DAVIS 2017上取得了有竞争力的结果,区域相似度与轮廓精度之间的平均值J&F-mean (Jaccard and F-score mean)分别为83.2%和72.3%。结论 本文提出的算法可以有效地处理由遮挡、变形和视点变化等带来的干扰问题,实现高质量的视频目标分割。     

基于深度学习的含统一潮流控制器的电力系统快速安全校正

随着新一代柔性交流输电装置如统一潮流控制器（UPFC）在现代电力系统中的逐步推广和应用,对电网安全校正策略的制定提出了更高的要求。基于物理模型的传统电网安全校正方法在实时性方面具有一定的局限性,而数据驱动方法将大量的复杂计算前移到离线阶段,具有快速在线计算性能。因此,针对含UPFC的电力系统提出了一种基于深度学习的快速安全校正方法。首先,基于深度学习建立了节点调整状态识别模型,利用深度神经网络（DNN）的分类和学习能力,优先确定存在调整可能性的节点范围,避免物理模型优化类方法迭代无解问题。然后,针对缩减后的寻优空间进一步采用优化法实现系统安全校正计算,快速确定系统各节点调整量。基于中国南京西环网UPFC示范工程的应用效果表明,所提快速安全校正策略能够发挥DNN的学习能力,进而提高系统安全校正的效率和实用性。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

手指静脉图像感兴趣区域快速提取方法研究

手指静脉识别技术由于其非接触、高防伪性以及活体检测等优点,成为研究与应用的热点。针对传统手指静脉图像感兴趣区域提取方法过程复杂、运算量大的问题,提出一种感兴趣区域快速提取的方法。该方法采用三点对比法定位手指上下边界以及基于相似三角形定理的图像校正方法。与传统的方法相比,省去了边缘优化的复杂过程以及减少了旋转校正的乘法运算量,能将指静脉图像感兴趣区域提取的速度提高2～3倍。利用指静脉图像库进行仿真实验,结果表明,本算法提取ROI的正确率为100%,识别的等错误率仅为2.45%,说明该方法具有较高的普适性和稳定性,能广泛应用在指静脉识别系统中。     

基于GM(1，1)与BP神经网络的综合负荷预测

针对电力负荷预测中的单一预测模型存在的局限性,提出基于BP神经网络和GM(1,1)的残差修正组合模型。通过算法组合的方式进行系统建模,从而提高负荷预测模型的精度。首先通过GM(1,1)模型进行预测,得到灰色残差序列,利用灰色残差序列建立BP残差修正模型,利用该模型进行残差预测,最后将残差修正值和GM(1,1)模型预测值进行叠加得到最终所需的负荷预测值。利用该模型对某地区进行仿真实验,结果表明该修正模型具有较高的预测精度和实用性。