高精度的轴角/数字转换系统

目前,在许多火控系统中,还有不少的系统仍采用自整角机作为目标测定器,其输出为模拟信号,为了提高火控系统的性能,计算机理所当然地被引入到其中,而这就需进行轴角/数字转换,本文叙述了一种转换精度高,速度快的轴角/数字转换系统。     

自动相关监视与多雷达数据融合的关键技术

提出了基于模糊聚类原理的多雷达与自动相关监视(Automatic Dependent Surveillance,ADS)数据融合的方法,该方法利用模糊C-均值聚类算法计算航迹关联的隶属度,通过直接将ADS的估计航迹作为聚类中心,避免了聚类划分的迭代运算,使算法十分方便,实验分析表明,该方法能够得到可靠的航迹关联性能.     

基于WNNs的ADS与多雷达航迹融合算法

基于分布式多传感器航迹融合系统,采用小波神经网络（Wavelet Neural Networks,WNNs）理论,研究了自动相关监视（Automatic Dependent Surveillance,ADS）与多雷达信息的航迹融合问题。以位置方差权重因子和报告周期权重因子构建WNNs,并实时估计各航迹信息的可信度,融合输出综合航迹。仿真结果表明,该算法对航迹的融合结果优于互协方差融合等算法,并具有更强的鲁棒性,有效提高了监视能力的完整性。     

利用模拟飞行实现空管训练仿真系统

空中交通管制训练仿真系统的主要功能是模拟空中交通,进行空管人员的训练,是空管系统的必备模块.其中如何实现飞行仿真系统,即控制空中目标按照预期的航线飞行并获取精确的飞行航迹是空管训练仿真的基础.但是限于开发代价,现有的训练模拟系统大都采用了非常粗略的飞行仿真系统.本文提出了一种方法,利用飞行软件构建所需的模拟场景并进行飞行仿真,在此基础上建立空管训练仿真系统.这种构建方法避免了重新开发和资源浪费,在获得精确的飞行仿真结果的同时还获得了逼真的视景仿真,在实际中获得了很好的应用效果.     

基于神经网络的视频序列车牌定位算法

在研究静态汽车牌照定位算法的基础上,利用时间序列多帧图像信息量大的优势弥补以往单幅图像牌照定位的不足,研究了视频序列下的汽车牌照定位方法.针对静态图像的牌照定位问题,提出了一种新的基于字符边缘特征和神经网络的汽车牌照定位算法.将上述定位算法应用到视频单帧图像中的牌照定位,并依此为基础,在动态视频序列中,对连续抽取的帧图像进行定位检测,各得到若干候选牌照区,比较相邻帧之间对应候选区的匹配程度,以得到真正的牌照位置.实验结果表明,该方法的定位精度高,实用性强.     

自动相关监视与多雷达数据融合综述

对自动相关监视与多雷达数据融合的关键技术进行综述。将各种参与数据融合的监视信息进行统一,保证了信息的一致性;选择ADS与多雷达数据融合的变更周期,确保了数据的精度与可靠性;ADS与多雷达数据融合中的系统误差配准,使融合的数据更加准确;利用模糊聚类的方法使多雷达与自动相关监视数据关联,使系统能够得到可靠的关联性能;在复杂环境下对野值进行剔除,提高了融合精度。给出了ADS与多雷达航迹融合的方法,生成飞行器最终的航迹。