基于变换域的局部最优纯方位航迹关联

针对同平台无源传感器纯方位线关联问题,提出了一种基于变换域的局部最优航迹关联算法。该算法采用霍夫变换( Hough Transform)将方位线映射到参数域等价为点描述,将不同方位线的点描述构建成时间的离散函数,利用时间对准形成具有相同时标的点序列。对关联门限内的目标构建指数判证函数,计算满足关联门限目标的关联矩阵,并确定各航迹关联程度,采用局部寻优方法求取最优关联度的目标作为关联对。实验表明,所提算法具有较好的稳定性及时效性,有效解决了同平台多方位线关联问题。     

基于AJAX和XML的WebGIS系统研究

针对传统WebGIS实现方案存在响应速度慢、用户体验差等不足,提出一种新的WebGIS设计应用方案。该方案采用Web2．0核心的AJAX技术,利用XML在网络应用传输中的优势,在Google Maps平台上通过XMLHttp Request对象异步调用XML数据实现动态加载地理信息。应用结果证明,该方案提高了WebGIS应用程序的效率,具有访问快捷,且在浏览器和服务器端能实现异步通信、定制和扩充的特点。     

分布式数据链战场态势误差评估

为了衡量数据链系统提供信息的准确性和可靠性,从数据链消息发送的机理出发,提出了一种基于马尔科夫过程的误差传递分析方法,建立了态势指标与网络、传感器影响因素的关联策略,有效解决了衡量数据链消息多因素影响和战场态势的准确性问题。仿真结果表明了分布式数据链的态势误差分布与传感器误差、网络变化误差模型的有效性,证明所提误差估计方法具有可行性和可操作性。     

基于边界提取的混合像元分解

混合像元普遍存在于遥感图像中,对混合像元进行处理是遥感图像处理的难点.利用SUSAN算子进行边缘识别,提取图像边界;同时利用混合像元的线性分解模型首先对图像进行边缘提取,对非边界图像进行分类,再对边界进行混合像元分解.选取武汉市一部分影像对基于边界提取的混合像元分解进行了实验分析,结果显示,此方法具有定位混合像元简单,容易操作,结果可靠等特点.     

基于分级信息融合的引信多模融合

为了提高引信的准确性,结合当前微型毫米波雷达、激光传感器、微机电系统( MEMS)传感器对目标的探测能力,提出了一种引信多模融合策略。以传感器受环境影响的主要因素为输入,构建环境影响贝叶斯网络,形成传感器可靠性权重分配;通过建立传感器量测加权融合,形成测距与加速度两级融合综合处理获得目标准确位置信息,从而提高量测可靠性,为准确引爆提供支撑。实验表明该算法可提高测距准确性且对不同环境具有较好的适应性。     

基于事务的数据链消息处理流程设计磁

为了有效地完成数据链消息流程设计,提出一种数据链事务的定义,同时分析了数据链事务的特点及划分的原则,以及设计了具体事务划分的过程和数据链消息处理流程事务的构建,为数据链消息处理流程设计标准提供依据。最后通过区域防空消息处理例子说明了该设计的有用性和可行性。     

基于差分方向分解图的航迹滤波算法研究磁

为了提高雷达目标航迹质量,达到航迹平滑,减小误差的目的。论文提出一种基于差分方向分解图的滤波算法,该算法通过增加冗余,将航迹点时间差分矢量投影到多个固定方向上,针对向量矩阵进行滤波处理,通过多维向量相关性分析达到减少误差的作用,最后通过解超定方程建立新的目标航迹。实验表明,该算法具有一定的优势。     

基于多源信息融合的智能目标检测技术

受地物复杂和目标干扰影响,打击的目标检测准确率不高.对此,采用红外与可见光图像联合目标检测方法,运用图像深度特征提取方法完成特征表征,并根据目标的不同成像特点进行特征融合,形成对目标特征的统一深度特征表征,采用融合的特征模型完成深度学习的目标检测.实验表明,该方法能够有效提高目标检测准确率.     

基于Transformer的体素化激光点云目标检测算法

3D点云目标检测是计算机3D视觉中的一个关键技术,本文针对激光雷达点云数据的稀疏性、无序性和数据量大,导致神经网络运算效率慢、检测精度低等问题,开展了基于激光雷达点云的目标检测算法研究。在激光雷达点云数据处理阶段,我们将原始点云数据体素化,解决了点云稀疏性和无序性问题,然后使用多层特征下采样层构建特征金字塔,实验验证了该方法使网络在训练阶段更快收敛,有效减少点云数据量大导致的网络运算开销,网络运算效率提升～39；同时,我们通过引入Transformer注意力模块,提高网络对点云目标关键特征的学习能力,使目标检测的准确率达到885。总体实验结果表明,本文算法在确保检测精度的前提下,提升了网络运算效率。