基于STK的靶标布设分析建模与仿真

由于靶标布设是航天测控的重要问题之一,覆盖分析为靶标布设提供重要的参考依据.为研究靶标布设的规律特点,提高测控质量,提出了利用STK进行仿真分析.针对某个工程中的靶标布设问题,采用卫星携带相机的侧摆情况和相机类型的情况,对卫星过境的覆盖品质进行了分析建模.并运用MATLAB与STK软件进行联合仿真,得出6种模式下的覆盖结果.仿真结果表明,无论是否侧摆还是相机类型不同的情况下,卫星过境时长均只与所处纬度有关,与经度无关,并且纬度越高,覆盖品质越好.     

基于混合特征预测药物-靶标相互作用的K近邻模型

针对核受体数据提取药物-靶标之间的混合特征,使用K近邻算法进行预测.对精确率、召回率、F1值等评价指标与其他算法进行了比较,验证模型的预测性能.     

基于双一维靶标的摄像机标定方法

针对大视场摄像机的标定,提出一种基于双一维靶标的摄像机标定方法。两个一维靶标任意放置在摄像机视场内,摄像机从多角度拍摄靶标图像;利用一维靶标特征点共线的特性进行图像畸变校正;计算两个一维靶标所在空间直线在图像中的消影点,得到在空间中的夹角关于摄像机内参数矩阵的表达式,利用其所成角度恒定这一约束求解摄像机内部参数;采用非线性优化方法,求解摄像机内、外参数在最大似然准则下的最优解。仿真试验结果表明,当噪声水平小于0.5 pixel时,摄像机内部参数的相对误差均小于0.3%。实物试验结果表明,视场范围为1 200 mm×800 mm时,该方法的标定精度优于0.1 mm。     

基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP（Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。     

基于图卷积神经网络的药物靶标作用关系预测方法

药物-靶标作用关系预测在药物研发以及药物重定位中扮演着重要角色,但现有的机器学习方法在正负样本高度不平衡的数据上仍存在预测能力不足的问题.为此,提出一种基于图卷积神经网络的药物靶标作用关系预测方法.该方法首先构造一个结合多种药物(靶标)相关信息的异质信息网络,然后采用图卷积神经网络在此异质信息网络上学习得到能精确表达每个节点拓扑特征及邻居特征信息的低维向量表征,最后利用这些向量信息通过向量空间投影预测节点间概率的评分.在DrugBank_FDA和Yammanishi_08数据集上进行的药物-靶标作用关系预测的对比实验中,所提方法的AUPR(Area Under the Precision-Recall Curve)值都优于其他4种方法,并且在较大型数据集上也有较好的表现.实验结果表明,所提方法提高了样本高度不平衡时的药物-靶标作用关系预测性能;同时在生物药物数据库上的实验也验证了所提方法所发现的未知药物-靶标作用关系的有效性.     

大型红外模拟目标靶温控系统设计与实现

针对某型红外制导武器试验,用原实物作实弹射击目标成本过高,所以急需制作大尺寸红外模拟目标靶。然而目标背景温差控制精度高与野外复杂工作环境之间存在极大的矛盾,对相应的技术难点进行了深入分析,应用手动与自动、现场与远程等多种控制方式,通过多次试验验证改进,解决了上述技术矛盾,满足了复杂环境条件下武器射击试验的较高技术要求。最终,利用模块化的软硬件设计方法,在工程上高效完成了模拟目标温控系统软硬件设计与实现,解决了试验急需,并多次应用该系统圆满完成了各项射击试验任务。     

激光扫描车身测量传感器靶标识别体系的研究

介绍了四光束激光扫描测量车身三维坐标的系统构成和基本原理,从系统PIN预处理输出的靶标回射信号的特点出发,为汽车车身测量传感器设计了基于条形码识别原理的合作靶标识别体系,最多可同时对27个测量点进行有效识别,确保传感器的精度要求和效率要求,达到了很好的实验效果。     

一种大场景下的棋盘靶标角点自动定位算法

针对棋盘图案,提出一种亚像素精度的角点自动定位算法．该算法采用由粗到精的分层次检测策略,首先通过投影算法自动定位靶标图像中棋盘子图像的大致位置;其次在棋盘子图像中进行Hough变换,并根据角度投影图和幅值投影图进行棋盘角点的初步定位;最后在初步定位的角点邻域内通过高斯灰度插值和Harris算法得到最终的亚像素精度的角点位置．此外,本文还利用Hough变换提取的直线对角点进行自动排序．实验结果表明,该算法自动化程度较高,能够在大场景中自动定位靶标及其角点位置,而且精度较高,适用于大场景环境下畸变较小的摄像机的标定．     

智能靶标目标检测方法研究

在激光模拟训练中,具有智能打击功能的靶标装置可以更加逼真地模拟实战对抗过程,满足智能化军事训练需求。但目前大多数靶标不具备智能打击或反击功能,靶标仅能实现作为目标的被打击功能或者非智能的触发反击功能,模拟训练形式单一,靶标运动或打击功能呈现规律性,不能真实模拟敌方目标主动攻击的能力,因此为适应模拟训练发展的需求实现模拟训练智能化、提高模拟仿真程度就需要通过智能靶标来模拟敌方目标进行作战。在智能靶标的研制过程中其中首先要解决的问题就是目标检测。本研究最终目标是对战场环境中的单兵目标进行检测并做出攻击活动,故对单兵目标的检测速度和精度有较大要求,本文提出一种基于Yolov5神经网络架构提高目标检测精度、加快目标检测速度的算法,采用改进网络结构对传统的目标检测算法进行优化,保证在输入可见光图像下,能够实现快速检测,并保证检测的精度。     

室内模拟环境下动态调制传递函数检测方法

针对车载视觉智能感知、低空区域防务等光电成像系统远距离观测动态性能测评需求,研制了室内运动目标模拟系统。基于线性移不变系统模型,分析了“三杆靶”、“四杆靶”靶标MTF测量原理,提出了一种基于变频栅条靶标的动态MTF检测方法,给出了变频靶标设计方案和MTF解算方法。完成了“三杆靶”和变频靶标测量方法的静态和动态MTF对比测试实验。实验结果表明:提出的变频靶标动态MTF检测方法与“三杆靶”测量方法相比,在静态MTF检测时测量数据的相对最大偏差比率为1.9%,动态MTF检测时测量数据相对最大偏差比率为2.8%,是一种高精度数字化动态MTF检测方法。该方法可以从一幅靶标图像中解算出MTF曲线,在动态MTF检测技术领域比“刀口法”、“三杆靶”、“四杆靶”等方法更具优势。