反坦克导弹对装甲目标射击起爆率分析

在建立坦克形体描述模型和反坦克导弹系统仿真模型的基础上,构建半实物仿真系统,进行闭环仿真实验,通过对起爆条件的判定,得出反坦克导弹对装甲目标射击时起爆率数据,提出提高起爆率的具体方法和途径。     

结构参数对爆炸成型弹丸性能影响的研究

为研究聚能装药结构参数对爆炸成型弹丸性能的影响,利用三维动力有限元程序,对爆炸成型弹丸形成过程进行了数值模拟,研究了装药长径比、装药密度、药型罩材料、起爆方式以及壳体厚度对爆炸成型弹丸性能的影响规律。根据研究结果,设计了一种较优化的聚能装药,并进行了聚能装药侵彻混凝土靶板实验。实验结果表明,设计的EFP聚能装药对混凝土靶板有较好的开坑效果,开坑孔径和孔深分别接近装药口径的0.6倍和6.4倍。     

并行PO分析电大尺寸复杂军事目标的电磁散射

利用基于PC集群MPI并行平台的并行PO方法计算了电大尺寸复杂军事目标-导弹与飞机的电磁散射。根据MPI并行平台的特点,给出了将PO三角面元按照编号循环分配到不同进程,进行并行遮挡判断的详细过程。通过对比不同进程的计算时间,给出了本文方法的并行加速比,结果表明了该并行方案求解电大目标散射问题的高效性。计算了电大尺寸导弹与飞机目标的双站RCS,并与FEKO软件结果进行了比较,证明了方法的正确性。     

基于模板匹配的前视红外目标识别方法

针对固定目标红外图像中边缘模糊,难以分割和识别的情况,提出了一种基于模板匹配的目标识别方法。由高程数据和正射影像等卫星数据生成目标区参考图和基准图,在基准图中根据归一化Laplace响应确定目标区特征尺度作为目标检测的先验知识,对实时图及灰度反转实时图进行匹配滤波,检测出候选区域,再对候选区域进行基于Hausdorff距离的模板匹配,从而得到最终识别结果。实验结果显示:该算法识别精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

机场跑道目标易损性分析方法研究

机场跑道目标易损性分析是反跑道武器攻击机场跑道进行定性分析和定量计算的基础。文中通过对机场跑道目标的跟踪分析,完成机场跑道的目标特性分析。在此基础上,基于计算机仿真技术和蒙特卡罗方法,建立机场跑道目标易损性分析方法,包括跑道的数学模型、飞机的起降模式、子母弹散布的数学模型和遍历算法。基于分析方法完成易损性分析软件的编码,并给出了软件的应用示例。机场跑道易损性分析方法的建立为反机场跑道武器的设计与评估提供帮助。     

超声速靶弹现状及发展趋势分析

超声速靶弹是用于防空武器系统进行试验鉴定以及部队进行训练用的模拟靶标.为应对越来越大的超声速导弹的威胁,提高防空武器的作战效能,各国都十分重视发展超声速靶弹.介绍了美国、俄罗斯等国超声速靶弹的研发现状和主要型号靶弹的技术性能,并对超声速靶弹的关键技术和发展趋势进行了研究分析,对于我国超声速靶弹的发展具有一定的借鉴作用     

运用自组织神经网络进行多目标跟踪的算法

总结了自组织神经网络的结构、训练方法；分析了在多目标跟踪问题中数据关联的重要性及传统的数据关联方法的局限性；研究了在多目标环境下运用自组织神经网络解决数据关联的问题。提出了一种基于自组织神经网络对多个目标实施跟踪的算法，此算法采用自组织神经网络的聚类功能对目标进行数据关联处理，并将经过卡尔曼滤波后的数据信息结合到神经网络的学习训练中。仿真实验结果表明此算法能在多目标环境下取得较好的跟踪效果。     

雷暴云团的识别追踪技术在短时临近预报中的应用

应用K均值聚类算法识别雷暴云团,对其进行追踪,通过线性外推的方法进行预报,并采用雷达反射率因子Z和降水强度R的统计关系式Z=ARb,对雷达实测的Z值与相应地面雨量计实测的雨强数据进行比较,经过回归统计分析,分别得到不同降水量级下的A、b系数,获得相应降水估算方程。选取2007年9月18日降水过程的南京雷达资料,对这种雷暴云团的识别追踪方法进行了详细说明,并对预报结果进行了验证。结果表明：该方法能够较好地识别追踪和外推预报雷暴云团,对短时降水能做出比较准确的估算。     

三角形模型的动态PIR目标轨迹预推算方法

针对热释电被动红外传感器(passive infrared sensor,PIR)阵列构建的四边形模型在目标轨迹测量方面的局限性,提出了利用搭载动态PIR阵列的三感知平台构建三角形感知模型实现对运动目标轨迹测量的方法.单感知平台由4路PIR传感器组成,相邻传感器水平方向间隔90°均匀分布,PIR转速为1O°/s.首先将三感知平台布撒为三角形感知模型,然后对三感知平台上PIR传感器在转动过程中感知到的角度信息进行筛选,最后将筛选后的有效信息结合感知平台自身坐标信息和时间信息,根据相应轨迹预推算法推导出准确的目标运动轨迹和运动速度.实验结果表明,该方法突破了四感知平台的几何形状限制,降低了成本,将预推轨迹的精度从1.5 m提高到了1m,具有较大的理论意义与实际应用价值.     

机载平台下基于深度检测网络的目标跟踪重捕算法

目标检测与跟踪是机载光电设备至关重要的功能模块,其检测跟踪的性能直接关系到目标感知的精度.近年来基于Siamese网络的改进跟踪算法在各种挑战性的数据集上取得了优异的效果,但大多数改进算法采用局部搜索策略,无法更新模板,且模板会引入背景干扰,最终因跟踪点漂移导致跟踪失败.为了解决这些问题,本文提出了一种结合目标边缘检测的改进全连接Siamese跟踪算法,该算法利用目标的轮廓模板代替边界框模板,减少了背景杂波的干扰;同时,在Siamese网络的基础上增加了一路改进tiny-YOLOv3目标检测网络,利用K均值聚类找到最合适的锚框(anchor box),引入了扩张模块层来扩展感受野,增加了系统的抗遮挡能力,提高机载光电设备的目标捕获概率.在基准测试数据集以及挂飞数据集基础上的仿真测试性能表明本文提出的改进模型特别适合机载光电设备在跟踪与重捕复杂环境下的运动目标,在长期跟踪中能够更好地适应目标的变形和遮挡,提升系统响应时间与适应性.