小波变换在表征飞行器弹道特征点中的应用

航天飞行器外弹道测量数据是分析和评估飞行器飞行实验是否成功的重要依据，也是改进飞行器控制系统设计、提高制导精度的重要依据。飞行器外弹道特征点测量数据处理的目的是通过处理雷达对航天飞行器开舱、级间分离、姿态改变等特征点的测量数据，计算出测量数据精确的突变（奇异）点时刻。由信号小波变换的奇异点在多尺度上的综合表现来表示信号是小波变换引人注意的另一应用领域。小波分析具有空间局部化性质，利用小波分析来分析信号的奇异性及奇异性的位置和奇异度的大小是比较有效的。     

多瓦普(DOVAP)系统

一、概况“DOVAP”一字是“Doppler Velocity and Plsition”的缩写字,其意义是利用多普勒效应来测速定位。这是一种多站制测量系统。早在第二次世界大战期间曾用来测量(?)弹的弹道参数,后来发展成为导弹的外弹道测量系统,它是美帝第一个外弹道电子测量系统,是白沙导弹靶场和弹道研究实验室所采用的一种跟踪方法,     

基于AlexNet-BiLSTM网络的锥体目标微动分类

针对典型弹道锥体目标分类需构造、提取人工特征而缺乏通用性及智能性的问题,提出一种利用卷积神经网络（Convolutional Neural Network,CNN）与长短期记忆网络（Long Short-Term Memory,LSTM）相结合的网络模型,对弹道锥体目标的微动时频图实现智能分类的方法。首先,分析弹道锥体目标的微多普勒特征,得出不同微动形式的微多普勒频率;然后,利用AlexNet网络的图像特征提取能力与BiLSTM网络的时序特征提取能力构造AlexNet-BiLSTM网络模型,并通过模拟雷达回波生成的时频图数据集对网络进行训练、调试;最后,仿真结果表明该网络能实现弹道锥体目标的智能微动分类,验证了该网络的有效性及鲁棒性。      

XX-5A试验期间GPS观测到的电离层有源变态效应的实验结果分析

利用GPS双频接收机,能测量电离层总电子含量（TEC）及其变化。在XX-5A试验期间,GPS接收机监测到了火箭排出的"废气"所造成的电离层有源变态效应。测量结果表明,火箭废气形成了电离层"空洞"。而"空洞"的形成直接影响到弹道的电离层折射修正方法,进一步证明了电离层实时测的必要性。     

基于IMM-UKF的航天测控雷达机动目标跟踪

航天测控中雷达的测量值具有较大的随机误差,用雷达的测量值直接解算运载火箭的外弹道跟踪精度较低。提出基于IMM-UKF的雷达机动目标跟踪方法,适应了航天发射任务中运载火箭在不同时段具有不同机动特性条件下对机动目标稳定精确跟踪的需要。仿真结果表明和利用雷达测量值直接解算目标弹道的方法以及采用单一运动模型的UKF滤波方法相比,IMM-UKF算法具有更高的外弹道跟踪精度,并且算法的收敛速度满足航天测控外弹道跟踪的实时性要求。     

弹道测量雷达在常规靶场中的应用与发展

本文着重论述现阶段弹道测量雷达在常规兵器试验靶场中的应用,以及弹道测量雷达的发展方向,并介绍了国外常规兵器试验靶场正在使用的部分弹道测量雷达的情况。     

天基红外低轨卫星自由段弹道估计方法研究

主要分析了天基红外低轨卫星星载传感器对导弹自由段的弹道估计问题,它是下一代空间预警系统的关键技术之一.建立了天基红外低轨卫星的测量模型和弹道导弹自由段运动模型,根据测量模型的非线性,利用改进的Gauss-Newton方法,解决了弹道的最大似然估计问题,并利用Monte-Carlo仿真实验验证估计算法的有效性,且对估计误差进行了分析.     

基于双轴磁强计及GPS的滚转角测量方法

针对高速旋转弹丸在高动态弹道环境下的滚转角测量难度大,精度低等问题,提出了基于双轴磁强计及GPS的滚转角测量方法。该方法利用地磁场良好的矢量特性,利用双轴磁强计和GPS速度信息的量测,实时解算弹丸飞行过程中的滚转角。仿真结果表明,该滚转角测量方法精度较高,能应用于弹丸在高动态、高过载弹道环境下的滚转角测量。     

较差质量数据下的返回弹道计算及对落点影响的分析

针对某老式卫星返回时雷达跟踪数据曾发生的测量异常及质量较差等情况,为解决此类数据在返回弹道及落点计算中出现的实际困难以及给出应对措施,基于工程实际情况给出了三种不同建模类型下的弹道计算方法——当前统计解耦扩展卡尔曼滤波（EKF）、动力学建模无迹卡尔曼滤波（UKF）、多项式滑窗最小二乘估计算法,并应用该次质量较差的实际观测数据进行了算法应用效果分析与落点计算情况对比,对计算中的经验及教训进行了总结。研究结果表明,所给出的三种算法在面对较差质量数据时性能差异较大,在工程实际应用中可考虑将多种算法互为参考。研究结果及其经验教训对卫星返回弹道及落点的实时估计的工程实施有一定的参考价值。     

常规兵器外弹道测速雷达的现状及发展趋势

外弹道测速雷达是火炮弹道试验中性能检测、定型和射表编拟的主要测量手段。本文介绍了火炮弹道试验专用的外弹道测速雷达的几种测速方法和国内外弹道测速雷达的主要战术、技术指标,并论述了常规兵器外弹道测速雷达的现状及其发展趋势。     

基于在线更新LSTM网络的短期4D航迹预测算法

航班飞行过程中一些因素会对当前飞行轨迹产生影响,从而导致实时航迹与历史航迹相比有一定的差异,使得仅基于历史航迹数据的航迹预测模型的预测性能变差.为解决该问题,提出了一种基于在线更新长短期记忆(Long Short-Term Memory,LSTM)网络的短期4D航迹预测算法,该算法由基于历史航迹数据的预测模型初始化参数...     

面向中频误差的变距螺旋矩阵轨迹优化方法

磁流变抛光能够高效去除光学元件表面的低频误差,但同时也引入了中频误差,而中频误差的存在对光学系统的性能造成了严重影响,必须对其进行有效控制。对常用的光栅轨迹和螺旋轨迹进行了研究,发现规则的抛光轨迹导致卷积过程与实际去除过程不一致,会引入对称的迭代误差,而迭代误差是中频误差恶化的重要因素。基于对光栅轨迹和螺旋轨迹的研究,提出了一种变距螺旋矩阵轨迹优化方法,以降低光学元件中频误差。该轨迹通过打乱螺旋矩阵轨迹的螺距保留了光栅轨迹和螺旋轨迹简单易行的优点,同时也改变了轨迹线间的随机性。通过对加工前后的面形进行功率谱分析,验证了该轨迹能够有效降低其表面的中频误差,较光栅线和螺旋线中频收敛效率综合提高了26.59%。     

基于卡口上下文和深度置信网络的车辆轨迹预测模型研究

针对车辆轨迹预测中节点序列的时序特性和实际路网中的空间关联性,该文提出一种基于深度置信网络和SoftMax (DBN-SoftMax)轨迹预测方法.首先,考虑到轨迹在节点集合中的强稀疏性和一般特征学习方法对新特征的泛化能力不足,该文利用深度置信网络(DBN)较强的无监督特征学习能力,达到提取轨迹局部空间特性的目的;然后,针对轨迹的时序特性,该文采用逻辑回归的预测思路,用当前轨迹集在路网特征空间中的线性组合来预测轨迹;最后,结合自然语言处理领域中的词嵌入的思想,基于实际轨迹中节点存在的上下文关系,运用节点的向量集表征了节点间的交通时空关系.实验结果表明该模型不仅能够有效地提取轨迹特征,并且在拓扑结构复杂的路网中也能得到较好的预测结果.     

基于轨迹图像的雾滴颗粒运动速度光电测量方法

为了对双介质喷嘴雾滴颗粒的运动速度分布进行测量,建立了基于波长为532nm连续激光器和工业相机组成的在线测量系统,并获得了雾滴的轨迹图像。采用Steger方法对获得的粒子轨迹图像进行了图像处理,取得了雾滴颗粒的速度分布的数据。结果表明,所开发的基于粒子轨迹图像雾滴速度分布光电测试方法可以满足在线测量的要求。     

改进正弦算子的弹道交接自适应算法

为了实现组合制导,用二阶吻合法设计了一不同制导律间的指令交接导引段。对正弦算子进行改进,建立了自适应弹道交接导引算法的模型,通过分析弹体时滞参数对算法参数的影响,并以积累的弹道航向误差最小化为依据,设计了算法的参数。所得算法与基于正弦算子的弹道交接自适应算法比较可知:前者的积累弹道航向误差更小,参数取值范围更大,从而能更好地实现不同制导律弹道的平滑过渡。通过后向尾追仿真可知:前者脱靶量更小,弹道更光滑,所得算法结构简单便于应用。     

基于卡口上下文和深度置信网络的车辆轨迹预测模型研究

针对车辆轨迹预测中节点序列的时序特性和实际路网中的空间关联性,该文提出一种基于深度置信网络和SoftMax (DBN-SoftMax)轨迹预测方法。首先,考虑到轨迹在节点集合中的强稀疏性和一般特征学习方法对新特征的泛化能力不足,该文利用深度置信网络(DBN)较强的无监督特征学习能力,达到提取轨迹局部空间特性的目的;然后,针对轨迹的时序特性,该文采用逻辑回归的预测思路,用当前轨迹集在路网特征空间中的线性组合来预测轨迹;最后,结合自然语言处理领域中的词嵌入的思想,基于实际轨迹中节点存在的上下文关系,运用节点的向量集表征了节点间的交通时空关系。实验结果表明该模型不仅能够有效地提取轨迹特征,并且在拓扑结构复杂的路网中也能得到较好的预测结果。     

利用无监督预训练的轨迹深度关联

针对时空相似度算法关联轨迹的局限性,采用深度学习方法进行轨迹关联,并提出了一种基于无监督预训练的匹配神经网络训练方式。利用Geohash向量嵌入对轨迹信号做特征工程处理,构建自注意力机制神经网络结构,使用无标注轨迹数据基于遮蔽预测任务进行模型预训练;然后构建孪生匹配网络结构,加载预训练模型参数;最后使用标注轨迹对数据基于均方差损失函数微调预训练模型参数得到轨迹对匹配模型。采用Geolife GPS轨迹数据集作为评估数据集进行模型训练与测试,实验结果显示,利用无监督预训练的轨迹关联方法较现有最优算法匹配准确率提高了5个百分点,达到了96.3%,充分证明了该方法的有效性。目前轨迹关联领域基于深度学习预训练模型的研究较少,该方法具有重要的参考意义。     

基于DBSCAN-GRU算法的终端区4D航迹预测

终端区空域环境复杂、航班密集,精确的航迹预测能极大地提高空中交通服务水平,保障航班飞行安全。针对终端区的高精度多航班4D航迹预测问题,本文提出了一种基于密度的带噪声空间聚类算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）和门控循环单元（Gated Recurrent Unit, GRU）相结合的航迹预测方法,通过DBSCAN聚类,将终端区中航迹相近的航班聚类到一簇中,对每一簇航班建立基于GRU神经网络的航迹预测模型,对终端区航班进行预测时,先判断该航班属于哪一簇,然后采用与该簇对应的航迹预测模型,进行4D航迹预测。与仅研究单一航班的传统预测方法相比,本算法有效地利用了终端区的航迹数据,所建模型可以针对多架航班进行航迹预测,扩大了模型的适用范围,提高了航迹预测的预测精度。     

红外运动目标轨迹重构动态仿真平台

提出了一种红外热成像视频中运动目标识别追踪以及轨迹重构的动态仿真方法。通过仿真环境中虚拟红外图像的生成方式与成像的基本模型,对得到的图像进行一系列预处理。以空对空场景搭建了基于Gazebo与OpenCV的动态仿真平台,利用平滑约束算法对追踪目标进行实时动态轨迹重构,提出了误差分析模型,并分析出轨迹重构算法的性能以及仿真平台的效能。实验结果表明,该方法针对空对空场景下的红外运动目标轨迹重构具有较好的精度与鲁棒性,对目标的运动模型基本没有约束,同时仿真平台具有较高的运行效能与实时性,普通家用电脑即可实现高于60 fps的实时动态仿真,满足轨迹重构算法性能测试与训练的需求,其核心算法亦可迁移至机载计算平台实现真实场景下的实时轨迹重构。所提出的单路热成像视频中运动目标轨迹重构动态仿真方法对空间目标三维轨迹重建与动态测距定位的研究具有重要意义。     

一种低信噪比条件下点目标检测方法

本文提出了一种低信噪比条件下从图像序列中检测点目标运动轨迹的新方法。基于目标运动轨迹的连续性，构造了一种准连续性滤波器结构，采用正向－反向二次滤波算法，有效地抑制了噪声的影响。在此基础上，依据待检目标运动轨迹的性质定义了一种目标函数，将轨迹检测问题转化成为寻找该目标函数最小值的问题。进而由Ａ算法在加权图中搜索最短路径以获取目标函数的最小值，从而确定点目标的运动轨迹。实验结果表明，该方法克服了以往算