1 河南工学院自动控制系, 河南 新乡 453003
2 中原工学院电子信息学院，郑州 451191
3 空军工程大学防空反导学院，西安 710051
针对多目标多传感器分配中的NP爆炸问题, 引入蝙蝠算法进行求解。通过K-均值算法初始化、速度更新采用自适应步长、向反方向搜索及变异操作3项措施对基本蝙蝠算法进行改进, 得到改进蝙蝠算法。在仿真实验中, 一方面将改进蝙蝠算法和基本蝙蝠算法作对比, 证明基本蝙蝠算法在改进后, 其计算速度和寻优能力大大提高；另一方面将改进蝙蝠算法与粒子群算法、蜂群算法、狼群算法3种算法作对比, 表明改进算法更适用于多传感器多目标分配问题求解, 其求解质量更高。
防空作战体系 多传感器多目标分配 蝙蝠算法 K-均值 自适应 air defense system multi-sensor multi- target allocation bat algorithm K-means adeptability
空军工程大学防空反导学院, 陕西 西安 710051
天基红外预警卫星远距离探测时获取的弹道目标特征信息匮乏，代表物质固有属性差异的光谱信息可作为目标识别的主要依据。将尾焰特征光谱信息作为识别的重要手段，综合考虑尾焰光谱吸收特性和特征光谱提取原则，采用改进的向前和向后间隔偏最小二乘法建立特征波段提取模型，以新型自适应变权重光谱相似性测度（SAVM）实现目标与特征光谱数据库的匹配，提出了基于尾焰特征光谱的主动段弹道目标识别方法。仿真实验进行了特征波段提取与SAVM优越性的验证，相较于全波段光谱匹配识别法，提出的方法所需数据量更小、识别精度更高。研究内容可为红外预警卫星系统优化探测识别能力提供有意义的参考。
光谱学 红外预警卫星 目标识别 特征光谱 相似性测度
空军工程大学防空反导学院, 陕西 西安 710051
针对复杂背景下红外弱小目标提取困难的问题, 提出了一种自适应 SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合 SUSAN边缘检测算子与各向异性扩散, 形成新的扩散方程对红外图像进行背景预测, 与原图像差分后实现弱小目标检测。为使算法具备自适应能力, 提出 SUSAN边缘检测器灰度差阈值的自适应设定方法, 采用绝对偏差中值算子作为其扩散系数。实验结果表明, 该算法能够有效滤除复杂图像背景, 大幅提升信噪比, 同时保留目标大小。
SUSAN边缘检测 各向异性扩散 小目标检测 背景预测 红外图像 SUSAN edge detection anisotropic diffusion small target detection background prediction infrared image
空军工程大学防空反导学院, 陕西 西安 710051
在宽带探测模型的基础上，综合考虑光谱精细度以及数据量，融合窄带光谱信息进行目标识别，提出一种基于综合信噪比的红外预警卫星窄带探测波段选择方法。依据预警卫星窄带成像机理加入窄带滤光片，综合考虑目标和背景辐射、暗电流噪声以及探测器仪器热噪声等的影响，提出较为完备的综合信噪比计算模型。以**支援计划（DSP）预警卫星为例，选取中心波长在2.726，2.835，3.012，4.339 μm处带宽为10 nm的窄带波段为探测波段，计算了尾焰在不同高度下的综合信噪比光谱。
探测器 红外预警卫星 探测波段 综合信噪比 目标识别 激光与光电子学进展
2016, 53(9): 090401
