基于深度学习的光电系统智能目标识别

智能目标识别技术是光电系统多维立体侦察体系的重要支撑,是实现多角度、全方位目标定位、感知分析的基础。为满足复杂环境下光电系统中基于深度学习的目标识别需求,聚焦数据、算法和计算能力三大挑战,提出一种基于多源信息融合的智能化目标识别方法,对多个传感器融合得到的图像进行学习和训练,从而提高目标识别的能力。基于多维图像融合的目标识别技术,将多波段融合图像数据进行标注、训练学习,用来自动识别出图像中的多个目标。实验结果表明,所提算法能够实现对融合目标的精确识别与定位。     

基于信息融合的某型无人机高度测量系统研究

某地区地形地貌复杂,无人机为了更好的规避障碍,实时监测无人机的高度非常重要。提出了一种基于信息融合的高精度容错高度测量系统,该系统利用GPS、气压高度计和IMU三种传感器的冗余与信息融合的方法进行高度的测量,对这三种传感器的原理和模型进行分析,研究基于联邦滤波器的高度信息融合方法,在此基础上,深入探讨这三种传感器的信息预测和融合过程,并进行了高度测量系统的仿真,仿真结果表明：高度测量系统设计合理,具有一定的工程应用价值。     

机载光电跟踪系统的自抗扰与快速非奇异终端滑模组合控制方法

机载目标跟踪系统由于受到外部干扰、内部参数摄动和未建模动态等扰动的影响,使跟踪控制分系统设计面临巨大的挑战。以两轴四框架的光电稳定平台为对象研究抗扰动控制方法,针对自抗扰控制的扰动补偿一般留有扰动残差和滑模控制会引入较大抖振的问题,设计一种自抗扰与快速非奇异终端滑模组合控制的方法。利用线性扩张状态观测器来估计总扰动量并在控制端进行补偿,从而允许设计滑模控制的控制率时采用较小的滑模切换增益,并通过设计快速非奇异终端滑模面得到控制率,加快系统收敛的同时避免非奇异现象。数值仿真结果表明,该组合控制方法在外部扰动和模型不确定性的影响下,可以实现快速收敛与高跟踪精度的同时引入较小的抖振,并且实现了机载目标跟踪系统需求的快速响应性能,验证了这个组合控制方法的有效性。