基于运动特性约束的中段目标群角轨迹关联算法

中段目标群角轨迹关联问题是天基跟踪监视系统的核心和难点之一。常用的基于倾角差关联方法仅利用了目标与传感器之间的几何约束方法,在中段目标群场景下关联效果不理想。该文提出一种基于中段目标群运动特性的角轨迹关联算法。首先,给出中段目标群的运动模型和角轨迹测量模型。其次,构建中段目标群的似然函数作为代价因子,采用基于二维指派的角轨迹关联算法。接下来进行Mont Carlo仿真试验,从角轨迹长度、视线测量误差、弹头诱饵间距三方面对算法性能进行验证。结果表明,该关联算法可以获得良好的中段目标群角轨迹关联性能。      

末制导中估计器与制导律设计方法新进展

对末制导中估计器与制导律设计方法的最新进展进行了较为全面的综述. 首先根据确定性等价定理(Certainty equivalence principle, CEP)是否成立,给出了现有设计方法的三种分类; 随后对三类方法中典型算法的基本思想、优缺点以及相互关系做了详细介绍; 最后提出了进一步优化现有估计器与制导律设计的新思路,并展望了改善大机动目标拦截末制导性能方法的发展方向.     

基于雷达扩展目标的速度矢量估计方法

针对引信段相对匀速直线运动的目标,提出了基于雷达扩展目标多散射点特性估计速度矢量的方法。通过导引头雷达测量得到多散射点的多普勒速度、角度等信息,利用最小二乘法便可在一个观测周期内快速准确地估计目标速度矢量。该估计值可用于爆炸点和引爆时间预测,从而极大地提高引信性能。仿真结果验证了该方法的有效性。针对引信段相对匀速直线运动的目标,提出了基于雷达扩展目标多散射点特性估计速度矢量的方法。通过导引头雷达测量得到多散射点的多普勒速度、角度等信息,利用最小二乘法便可在一个观测周期内快速准确地估计目标速度矢量。该估计值可用于爆炸点和引爆时间预测,从而极大地提高引信性能。仿真结果验证了该方法的有效性。     

基于深度时空卷积神经网络的点目标检测

由于点目标可用信息少,点目标检测技术是红外搜索与跟踪系统（IRST）中的挑战性难点。基于人工提取特征的传统目标检测,智能化水平低,对点目标检测的难度大。针对此问题,提出一种新的基于深度时空卷积神经网络的点目标检测方法。该方法采用全卷积架构,输入输出尺度相同,可用于处理任意尺度图像。为了提高实时性,卷积分解技术被引入3D时空卷积处理中,将复杂3D时空卷积分解为低复杂度的2D空域卷积和1D时域卷积。根据点目标特点,多权值损失函数被提出,分别采用样本均衡因子和能量均衡因子降低样本不均衡和误差分布不均衡对点目标检测性能的影响。测试结果表明,该方法能够有效抑制复杂背景杂波,并以较低计算量实现点目标检测。