基于深度学习的小样本声目标识别方法

声目标分类识别是声源识别领域的核心问题,然而,在应用深层神经网络进行声目标分类识别时,从少量样本中学习(样本复杂度较低)是一个具有挑战性的问题;针对此问题,提出了一种基于深度学习的小样本声目标识别方法,该方法将手工设计特征和对数梅尔声谱特征结合到一起,扩充了深度学习模型的可利用特征量,提高了声信号识别效率和精度;在实验验证中,该方法在测试集上实现了87.6%的识别精度;更进一步地,用较少量的训练样本对该方法和其它几种主流的深度学习模型的性能进行了比较验证,结果表明,该方法只需要更少量的数据即可实现同样的识别精度,在声源探测领域具有一定应用价值。     

无人机群目标搜索的主动感知方法

为提升蚁群搜索算法在规模大的栅格环境中对未知目标的搜索效率,提出基于蚁群算法的主动感知搜索框架。该框架通过应用历史环境信息来选择无人机的运动方式,并由无人机运动方式和感知域信息得到新的环境信息,从而实现无人机群的智能自动化搜索功能。新方法计算出一种具有探索偏好的未搜索概率,可使无人机搜索时偏向未搜索程度高的栅格,以此来提高算法的搜索能力。同时,以未搜索概率和信息素作为运动方式决策的依据来建立一种新的运动方式选择机制。该机制不仅考虑了目标可能出现的区域,又可兼顾未知区域,从而可实现无目标先验信息条件下的搜索过程。仿真结果表明,此算法在规模大的栅格环境中,与现有算法相比具有更高的搜索效率,并且得到的目标分布信息将更加全面。     

改进YOLOV3算法的视频目标检测

由于监控中的行人检测存在背景复杂,目标尺度和姿态多样性及人与周围物体互相遮挡的问题,造成YOLOV3对部分目标检测不准确,会产生误检、漏检或重复检测的情况。因此,在YOLOV3的网络基础上,利用残差结构思想,将浅层特征和深层特征进行上采样连接融合得到104×104尺度检测层,并将K-means算法聚类得到的边界框尺寸应用到各尺度网络层,增加网络对多尺度、多姿态目标的敏感度,提高检测效果。同时,利用预测框对周围其他目标的斥力损失更新YOLOV3损失函数,使预测框向正确的目标靠近,远离错误的目标,降低模型的误检率,以改善目标间互相遮挡而影响的检测效果。实验结果证明,在MOT16数据集上,相比YOLOV3算法,提出的网络模型具有更好的检测效果,证明了方法的有效性。     

融合视觉显著性再检测的孪生网络无人机目标跟踪算法

针对旋翼飞行器在跟踪过程中目标尺度变化、快速运动、视角变化等问题,本文提出了一种基于MobileNetV2的孪生网络目标跟踪算法,可在无人机机载处理器上实时运行。该算法主要包含目标得分估计模块与目标尺度估计模块两个部分。结合多特征融合的策略,可准确预测出目标位置与目标框IoU,同时以目标框IoU为指导,利用梯度上升法对目标框进行迭代修正,进一步提升预测精度。针对完全遮挡而导致的目标跟丢问题,本文设计了一个基于视觉显著性的目标再检测算法,该算法可实时高效地预测出图像的显著性区域,以指导对目标的再检测,进而恢复跟踪。最后,通过标准无人机跟踪数据集测试与实际无人机跟踪实验,验证了算法的可行性。     

Single Radar Measurement Method for Antiaircraft Projectile Miss Distance

To measure miss distance for antiaircraft projectile,a radial velocity identification and positioning method with a single radar is proposed.By analyzing the spatial resolution of multi-frequency ranging radar,the discrimination and testing model of this radar for multi-targets (projectile and target) is established to analyze the systematic error of antiaircraft miss distance.Then through the aerial target flight test and contrast test with optical test equipment,the validity of the measurement method is verified.This new method has the potential to be used in the measurement of antiaircraft projectile miss distance.     

外场激光导引性能分析

外场激光导引性能的测试分析是激光半主动制导武器科研试验中的重要环节,通过对激光半主动制导试验中从激光照射器-大气-目标-大气-导弹的光学传递链的分析和对激光大气传输特性和目标激光散射特性的研究,建立了从照射器到目标和从目标到探测器两个环节的照射激光能量传递模型,通过理论计算和外场试验实测数据,实现了对导引头入瞳处接收能量的计算分析,为外场激光导引性能分析提供了依据,具有较高的实用价值。     

“日盲”紫外信号目标模拟器光学系统设计

"日盲"紫外探测系统由于工作在日盲区,具有独特的探测优势,在民用和军事领域都得到了广泛的关注和应用。完成了"日盲"紫外信号目标模拟器光学系统的研究和优化设计。基于"日盲"紫外光谱特性,研究目标模拟器的设计的工作原理和设计方法,给出了"日盲"紫外信号目标模拟器的光学系统设计和像差评价。设计完成了一款焦距500mm、相对孔径1/10、波段0.24μm~0.28μm、视场角2°的"日盲"紫外信号目标模拟器系统。系统共采用了4片球面透镜,由两种紫外光学材料组成,光学系统总长540mm,光学传递函数在37lp/mm时大于0.7,畸变小于0.005%,具有成像质量好、结构简单紧凑的优点和很高的应用价值。     

地球敏感器成像仿真与检测方法

针对地球敏感器的设计与仿真需求,研究了地球椭球成像、大气轮廓、晨昏线及背景星空成像,实现了高精度地球敏感器成像仿真;并在此基础上比较实验了圆拟合、椭圆拟合等不同地球边界拟合及地心检测算法的性能,根据系统在轨运行特点,提出了分步地球图像检测算法.一方面克服单纯圆拟合方法带来的地球扁率误差,另一方面利用轨道先验知识克服椭圆拟合过程中的长轴不稳定性.仿真实验证明,该方法有效地提高了敏感器检测精度及系统鲁棒性,并且时间复杂度低,满足在轨要求,能够有效促进各型地球敏感器的性能提升.     

加权模型下的相似匹配跟踪方法

针对传统跟踪方法易受相似物遮挡而导致丢失目标问题,提出一种加权模型下的相似匹配跟踪方法。首先,将目标区域分割成局部特征块,并为其分配权重,建立带权局部特征块组成的外观模型;然后,利用目标的颜色、位置特征进行相似性匹配,为了避免复杂背景干扰,在匹配前划分前景区域,从而实现较准确跟踪;最后,提出一种遮挡决策模型更新机制,通过对目标发生严重遮挡进行判定,保证模型的匹配鲁棒性。实验结果表明,利用加权模型以及多特征相似匹配,使得该方法能够得到较高的跟踪准确率,平均误差仅为13.21,跟踪重叠率为0.71。     

结合学习率调整的自适应特征融合相关滤波跟踪算法

针对单一特征存在的缺陷和目标快速变化时易跟丢的问题,提出了一种结合学习率调整的自适应特征融合相关滤波跟踪算法。算法采用互补的梯度特征和颜色特征进行特征融合,通过计算滤波响应的大小来决定下一帧在融合特征中各自所占的权重,凸显优势特征,使目标与背景更具区分度。提取目标后需要更新滤波器,为了避免滤波器跟不上目标变化的情况发生,引入学习率调整机制,使滤波器更新速度能够随目标外观变化进行在线调整。因此,相较同类特征融合算法,本算法准确高效,且对于快速形变目标的鲁棒性更强。实验证明,本算法在精度和成功率上都比现有相关滤波算法更优,具有一定的应用价值。