传输线色散及不连续性对脉冲信号的影响

由于雷达系统中传输网络的传递函数出现幅频或相频的波纹,宽带雷达系统输出信号会出现成对回波现象,造成信号失真。传统的成对回波理论很难有效地分析微波/毫米波传输线色散和不连续性对时域脉冲信号传输特性的影响,通过利用时域有限差分法(FDTD)结合Taylor级数展开法来研究微波/毫米波传输线色散特性和不连续性是否会产生对时域脉冲信号的成对回波现象,理论研究及仿真结果表明:具有色散性或不连续性的微波/毫米波传输线以及无源器件如滤波器、定向耦合器等在传输时域脉冲信号时都不会产生成对回波现象。     

基于CenterNet目标检测算法的改进模型

在原CenterNet算法中,以Hourglass为Backbone的目标检测模型平均精度均值高于one-stage算法,但检测速度较低。为此,基于原有CenterNet目标检测算法,对Hourglass-104模型进行改进,设计一种Hourglass-208模型,并给出双特征金字塔网络特征图融合方法。在此基础上对目标大小和训练采用smooth L₁损失函数,提出一种新的可端到端训练的目标检测算法T_CenterNet。在MS COCO数据集上的实验结果表明,该算法目标检测的评估指标AP₅₀、AP_S、AP_M分别为63.6%、31.6%、45.8%,检测速度达到36 frame/s,综合性能优于原CenterNet算法。     

基于编码-解码网络的车道线检测算法

为解决在车道线磨损、被遮挡以及光照变化等复杂场景中车道线检测精度较低的问题，提出了一种基于编码-解码网络的车道线检测算法。首先，对Resnet18网络进行改进和优化，组成编码网络；然后，结合ASPP模块和金字塔注意力机制组成解码网络，对图像进行像素级的语义分割，识别并区分车道线；最后基于自适应拟合算法拟合车道线。在Tusimple公开数据集上进行训练和测试，结果表明，该算法的准确率、检测速率、误检率和漏检率分别为：96.45%、35帧/秒、2.59%、1.41%,在复杂场景下的检测精度较高，鲁棒性较强。     

多管火箭／发射装置系统全弹道模拟技术研究

建立了多管火箭／发射装置系统7自由的全弹道模拟多体动力学随机非线性时变系统模型。编制了仿真软件对系统的密集进行了仿真计算；分析了系统的主要参量对密集度影响的敏感程度；并对缠角这一敏感参数对密集度的影响规律进行了实弹射击验证性实验，取得了预期的结果。     

一种新颖的单目视觉深度学习算法:H_SFPN

针对单目视觉目标检测,提出了一种基于single-stage深度学习的H_SFPN算法。该算法与现有的YOLOv3和CenterNet算法相比,在保证实时性能的条件下,可有效提高小目标检测的准确度。首先设计了一种新的网络架构(backbone),这种架构通过改进的沙漏(Hourglass)网络模型来提取特征图,以便充分利用底层特征的高分辨率以及高层特征的高语义信息。然后在特征图融合阶段提出了基于SFPN的特征图加权融合方法。最后,H_SFPN算法对目标位置和大小的损失函数进行了改进,可有效降低训练误差,并加快收敛速度。由MSCOCO数据集上的实验结果可知,所提H_SFPN算法明显优于Faster-RCNN,YOLOv3以及EfficientDet等现有的主流深度学习目标检测算法,其中对小目标的检测指标AP s最高,达到了32.7。     

火箭／发射装置系统发射动力学及行车振动分析──一体化模型研究

建立了发射动力学及行车振动一体化时变系统模型，在本模型中，将火箭弹、发射装置及发射车视为相互作用、相互制约的动力学系统，从系统观点去解释系统内部各部分之间在发射和行军过程中的相互作用及最佳参数匹配关系．本模型考虑了路面不平度、弹质量偏心、推力偏心、动不平衡等随机干扰因素对火箭行车振动过载的影响．在该一体化模型基础上，设计了模拟软件，进行了仿真计算，并得到了一些有益的结论．