一种多传感器信息融合点目标识别方法（二）

提出了一种多传感器信息融合识别空间复杂弹道式目标及其伴随诱饵的识别模型。将人工神经网络和确定性理论结合起来，以神经网络的输出代替应用确定性理论所需的有关领域专家的知识和经验，并用确定性理论进行不同空域和时域的信息融合。仿真结果表明，经过融合后，大大改善了识别效果。     

非合作式传感器空间运动目标截获概率研究

为了实现非合作式传感器对空间运动目标的有效捕获,在分析kalman滤波误差协方差矩阵的基础上,建立了传感器对目标跟踪误差的空间分布模型,并利用该模型提出了一种基于联合高斯分布的截获概率计算方法。该方法经过降维处理,降低了截获概率计算的复杂度,提高了运算的实时性。仿真实验表明,所提算法具有良好的估计性能。最后,对截获概率的误差来源、影响因素进行了深入的分析并得出了相关结论,可为实际工程应用提供了一定的参考价值。     

基于马氏随机场模型的空间近邻目标检测及量测划分

天基光学传感器对空间近邻目标的像平面跟踪过程中,传统方法在单帧恒虚警检测后进行量测划分,采用的虚警率过高可能引入较多的杂波点,过低则群目标在像平面的部分信息损失.在分析空间近邻目标在像平面特征的基础上,提出一种使用马氏随机场模型进行预检测处理然后以k-均值进行量测划分的方法,仿真结果表明,相比传统方法,基于马氏随机场模型的空间近邻目标检测及量测划分准确率更高,且在信噪比较低的情况下,性能改善明显.     

预警卫星对弹道导弹航迹捕获算法

对弹道导弹目标捕获方法是空间预警系统的关键技术。该文通过对导弹推力加速度的分析,提出了目标在像平面的非线性运动模型。通过概率数据关联(PDA)求得等效的似然函数,利用Lagrange乘数法求得最佳的加权概率,使得对数似然比函数最大。结合量测的灰度信息,改善了其在低SNR情况下的检测性能。Monte-Carlo仿真验证了该方法的目标航迹检测性能和目标状态估计精度,仿真结果表明该方法在两方面都优于原有方法,适用于低SNR情况下预警卫星对弹道导弹目标捕获。     

基于UKF的主动段弹道跟踪算法

利用预警卫星视线(LOS)测量对弹道导弹目标的跟踪问题是空间预警系统的关键技术.提出了基于弹体旋转的主动段动力学运动方程,解析表达了导弹推力加速度值和导弹在重力作用下姿态的变化特性.引入一种新的滤波估计算法UKF,通过特别选取一些样点,给出随机变量经过非线性变化后的均值和方差,得到滤波器基于非线性方程的更新,避免了非线性方程的线性化.通过Monte-Carlo仿真,与其它算法比较,说明该算法具有更好的适应能力,跟踪性能更好,适用于空间预警系统.     

飞机EMA行星轮减速器多学科协同优化设计

飞机机电作动器(EMA)要求可靠性高和使用寿命长,其行星轮减速器设计变量多,计算复杂,一些重要参数的选取直接影响EMA性能及使用寿命。为得到能够显著提高EMA性能的小体积行星轮减速器,采用设计空间缩减多学科协同优化设计算法对行星轮减速器进行研究。首先建立了由1个目标函数、5个设计变量和8个约束方程构成的优化设计模型,然后进行设计计算和优化结果分析。结果表明,优化设计的数学模型能够真实反映设计问题,优化结果切合实际,准确可靠。     

星载推扫红外传感器成像仿真技术研究

星载推扫红外传感器成像仿真是空间光学探测系统仿真的关键技术之一。文章介绍了星载推扫红外传感器中对目标成像的一种仿真方法。首先介绍了成像仿真原理和流程;然后推导了传感器成像仿真系统中的坐标变换关系、建立了传感器成像仿真模型;最后进行了仿真实验,合成出了部分目标/背景仿真图像。     

采用扩展MRF的红外目标自适应检测方法

针对天基红外监视系统中不同形状目标的联合检测问题,提出基于扩展马尔可夫随机场的自适应目标检测算法。首先分析了天基红外监视系统中的目标特性,在此基础上以典型目标形状为模板,构建了扩展的马尔可夫随机场邻域系统;其次构建了新的马尔可夫势函数,并利用红外图像中背景与目标之间的马尔可夫势差异,将复杂背景中不同形状目标联合检测问题转换为马尔可夫势差异的判别问题,有效解决了马尔可夫随机场理论框架下混合形状目标检测问题。仿真试验结果表明,所提出的算法能够根据目标形状的变化自适应地检测各类目标,并可在不同图像信杂比条件下进行目标检测处理,具有较强的鲁棒性。     

基于势概率假设密度滤波的检测前跟踪新算法

基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density, CPHD)检测前跟踪(Track before detect, TBD)算法能有效解决未知目标数的弱小目标检测跟踪.文章深入研究了CPHD算法, 从标准CPHD滤波的粒子权重更新出发, 结合检测前跟踪的实际, 合理地推导出CPHD-TBD算法的粒子权重更新表达式; 分析了CPHD滤波目标势分布的物理意义, 实现了目标势分布更新计算在检测前跟踪的应用.将CPHD滤波和TBD进行有效结合, 提出了基于势概率假设密度滤波的检测前跟踪算法, 并给出其详细实现步骤.仿真实验证明提出的CPHD-TBD算法与现有概率假设密度检测前跟踪(PHD-TBD)算法相比, 能更详细地传递目标分布信息, 从本质上改变了PHD-TBD对目标数估计的方式, 能更准确稳定估计目标数, 实现了对目标的发现和状态准确估计, 性能明显更优.     

混合坐标系下空间目标天基光学跟踪方法研究

在对天基光学监视跟踪特点进行分析基础上,利用直角坐标系和修正极坐标系分别在状态外推和线性测量更新方面具有的优势,采用混合坐标系下的扩展卡尔曼滤波方法实现对空间目标的三维被动跟踪,并给出相应初始化方法.仿真结果表明该方法与直角坐标系跟踪滤波具有一致的收敛趋势,并在收敛速度和稳健性上更有优势.