针对相关滤波类目标跟踪算法存在的两个问题, 提出了结合特征融合与类残差更新策略的核相关滤波实时目标跟踪算法。首先, 为了解决相关滤波目标跟踪算法中使用相同系数结合不同种类特征的问题, 根据平均相关峰值能量提出一种自适应特征融合的背景感知相关滤波器; 其次, 将特征融合的背景感知相关滤波器与贝叶斯分类器通过集成学习整合成一个强跟踪器; 最后, 针对相关滤波器使用高风险的更新策略的情况, 提出类残差的更新策略与基于阶跃函数的学习率更新跟踪模型以降低跟踪模型漂移的风险。将该算法在OTB2013与TC128测试集上与其他9个先进的算法进行了比较, 实验结果表明, 该算法在OTB2013数据集中的精确度与成功率分别为0.875和0.652, 排名第一, 具有很好的鲁棒性。

对国内外三代机、四代机及民机中的机载安全性关键系统发展情况进行深入分析, 总结了多通道表决、比较对故障静默等典型容错计算机架构的技术特点, 围绕新一代飞机对机载安全关键计算机系统的可靠性、容错能力、故障检测隔离能力、实时性的新挑战, 提出了基于分级容错技术实现的高完整计算机系统设计思路, 描述了分层分级实现高完整性容错的设计原理, 并对其所涉及的Lock-step技术、时间触发网络等关键技术给出了解决途径, 可满足下一代飞行器的发展需要, 提升机载安全关键计算机系统的安全性、可靠性。

针对Sage-Husa自适应卡尔曼滤波算法易引起发散且对初始条件的选取非常敏感的问题, 提出一种自适应强跟踪Sage-Husa滤波算法。该算法从Sage-Husa自适应卡尔曼滤波算法出发, 引入强跟踪技术, 通过渐消因子在线修正一步预测误差协方差矩阵, 使算法具有应对场景变化等不确定情况的能力, 增强算法的鲁棒性; 通过改进Sage-Husa自适应算法对噪声方差阵进行实时在线估计, 使算法具有应对噪声变化的自适应能力, 保证较好的跟踪精度。仿真结果表明, 所提出的滤波算法能够有效提高载波环路的跟踪精度和鲁棒性。

针对常规方法采用图像修补方式得到的侧扫声呐图像质量不高的问题, 提出三角剖分仿射变换的侧扫声呐图像拼接方法。该方法将条带图像剖分为一对三角形, 在保持其中一个三角形的坐标不变时, 调整另一个三角形与相邻条带图像贴合, 利用仿射变换实现坐标映射, 完成图像的无缝拼接。实验结果表明, 该方法能有效完成图像的无缝拼接, 具有良好的视觉效果; 在信息熵、信噪比和平均梯度等方面均优于常规的缝隙填补法, 具有较高的图像质量。

提出了一种用于三维空间路径规划的改进A*算法。针对低空突防中无人机飞行环境的复杂性, 综合考虑了飞行高度、航迹长度等权重因子, 在目标空间中搜索一条两个航路点之间的最优航线。选用变步长搜索提高A*算法搜索效率, 设计了变权值的路径评估函数提升优化效果。同时,为了满足无人机俯仰角、偏航角、转弯半径等性能约束, 提出了一系列航线优化算法, 得到最终的可飞航线。仿真结果表明, 提出的算法能够有效地给出更为满意的无人机航迹规划路线。

针对侦察无人机高精度多目标实时定位的应用需求, 提出了一种基于总体最小二乘的目标定位方法。将非线性多点目标定位模型线性化, 构造系数矩阵和观测向量的增广矩阵, 并采用奇异值分解法解算出跟踪目标的坐标; 综合运用基于成像模型的共线定位方法, 并通过平差计算获得高精度的多目标位置信息。实际飞行测试结果表明, 该定位方法能够提高目标定位精度, 具备多目标实时定位功能, 且该方法易于实现、可靠性较高, 具有较大的应用潜力。

针对自主无人水下潜航器在执行任务时面临导航手段少、传统航位推算存在定位误差漂移、单一导航方式不足以满足执行水下精确任务的要求等问题, 提出了一种基于超短基线水声定位系统、全球卫星定位系统和磁罗盘等传感器组合导航的方法, 并对其中涉及的坐标转换进行了详细说明。利用卡尔曼滤波对潜航器的位置进行估计, 以获取控制和导航所需的位置信息及速度信息, 不存在定位漂移问题, 导航定位精度优于10 m, 满足自主无人潜航器在水下长时间执行任务的要求。该方法在自主无人水下潜航器上进行了试验验证。

提出四旋翼利用机载摄像头进行自主循迹的方案。采用机器视觉模块OpenMV获取地面图像, 将图像分割成5个区域, 通过计算和分析每个区域的标志位来识别各种赛道元素, 得出无人机相对于路径的水平偏差以及与路径的夹角。利用线性自抗扰控制器(LADRC)设计位置外环, 速度内环采用PID控制器, 两者形成位置—速度串级控制, 去消除水平误差。采取bang-bang控制算法进行飞行器航向纠正。以跟踪“8”字形轨迹进行了实验, 结果表明, 该方案具有良好的路径识别效果, 能够使四旋翼准确稳定地跟踪地面黑色引导线飞行。

以复合共轴双旋翼高速直升机为研究对象, 针对直升机模态下低速前飞时飞行姿态边界保护问题, 提出一种基于指令受限的安全保护控制方法。首先, 建立高速直升机全模态非线性数学模型; 然后,以低速前飞时的俯仰角保护为例, 运用受限参数的动态响应估计以及动态配平算法实现指令边界预测, 从而对控制输入指令进行安全优化修正。仿真结果表明: 本控制方法可以对高速直升机飞行边界进行保护, 有效提升飞行的安全性和可靠性。

针对四旋翼飞行器模型不确定、易受外界干扰影响等特点, 采用一种降阶自抗扰控制(RADRC)方法对其位置和姿态进行控制, 并对控制系统稳定性进行了分析。在该方法中, 将降阶线性自抗扰控制(RLADRC)与非线性跟踪微分器结合, 以适应四旋翼飞行器各通道对控制性能的不同需求。其中, 设计的降阶线性扩张状态观测器(RLESO)仅观测系统输出微分信号及扰动, 避免了对已知信息的重复观测, 使系统带宽在保证RLESO估计精度的同时, 减小系统的噪声敏感度。通过仿真和Qball2平台实验对RADRC与传统线性自抗扰方法的轨迹跟踪能力和抗扰性能进行了比较, 验证了RADRC方法的有效性和优越性。

为了得到更精确且信息更丰富的融合图像, 利用有限离散剪切波变换(FDST)改进了多聚焦图像融合算法。借助FDST完美的平移不变性和分解与重构过程中的快速有效性, 通过多尺度多方向分解来获取高低频子带系数, 然后对高频引入自适应加权与区域标准差匹配度法的融合策略, 并利用改进梯度投影的非负矩阵分解的融合手段处理低频子带, 分别得到融合后的高低频子带后, 采用FDST逆变换重构获得融合后的图像。对多聚焦图像的实验表明: 改进方法在主观视觉上图像清晰, 客观指标明显提高, 运行时间明显缩短, 充分说明了融合结果既保留了源图像丰富有效的信息, 又有很好的实效性。

为了得到更精确且信息更丰富的融合图像, 利用有限离散剪切波变换(FDST)改进了多聚焦图像融合算法。借助FDST完美的平移不变性和分解与重构过程中的快速有效性, 通过多尺度多方向分解来获取高低频子带系数, 然后对高频引入自适应加权与区域标准差匹配度法的融合策略, 并利用改进梯度投影的非负矩阵分解的融合手段处理低频子带, 分别得到融合后的高低频子带后, 采用FDST逆变换重构获得融合后的图像。对多聚焦图像的实验表明: 改进方法在主观视觉上图像清晰, 客观指标明显提高, 运行时间明显缩短, 充分说明了融合结果既保留了源图像丰富有效的信息, 又有很好的实效性。

电子战中的干扰资源分配问题是典型的组合优化问题, 同时也是NP难题, 求解途径除了各种典型的数学规划方法之外, 各种智能优化方法也在近年来得到非常广泛的应用。针对这一技术应用趋势, 在概要阐述干扰资源分配的数学模型及其典型求解框架的基础上, 以遗传算法、免疫算法、进化算法、粒子群算法、蚁群算法及其各种改进算法等为典型代表, 对智能优化方法在干扰资源分配问题中的应用研究进展情况进行了综述, 总结了各种方法的应用要点, 展现了该应用方向上的发展现状, 从而为各方法的工程应用和人工智能在电子战中的应用示范研究提供了有益借鉴。

针对传统车载捷联惯导初始对准方法中存在方位陀螺误差可观测性差、对准精度不高的问题, 研究了基于谱条件数可观测度分析的多位置对准方法。建立捷联惯导静基座对准误差模型, 利用基于谱条件数法的分段线性定常系统理论分析了单位置、最优二位置和双轴转动三位置对准的可观测度, 对比研究了惯性器件估计误差和对准精度, 探讨了最优二位置对准时间分配问题, 得到在相同对准时间内最优二位置对准精度更高、三位置对准可提高后续导航中方位陀螺常值漂移估计精度的结论, 并通过仿真结果验证了理论分析的正确性。

针对非均匀干扰环境中分布式多输入多输出(MIMO)雷达的距离扩展运动目标检测问题进行了研究。由于分布式MIMO雷达的干扰(杂波和噪声)是非均匀的, 无法获得训练数据来估计干扰的协方差矩阵, 为此提出了一种新的知识辅助(KA)干扰模型, 它和每个发射—接收(Tx-Rx)对相对应的干扰协方差矩阵具有服从复逆Wishart分布的矩阵结构, 但具有不同的功率电平。基于该模型提出了一种无训练数据的距离扩展目标知识辅助—广义似然比检测器(KA-GLRT)。仿真结果表明, 在非均匀干扰环境中, 所提出的KA-GLRT检测器的性能明显优于传统的有训练数据的协方差矩阵类检测器。

提出了一种基于多层次单演信号特征的合成孔径雷达(SAR)图像目标识别方法。为了充分利用多层次单演信号特征的鉴别力, 采用多重集典型相关分析(MCCA)分别对各个层次上的局部幅度、局部相位以及局部方位进行融合。融合得到的特征矢量包含了不同层次之间各类特征的内在相关性。在分类阶段, 采用联合稀疏表示(JSR)对3类特征融合得到的特征矢量进行联合决策, 进一步发掘不同特征之间的内在相关性。最后, 根据联合稀疏表示输出的重构误差判定目标类别。基于MSTAR数据集对提出方法进行了性能测试, 结果证明了其有效性。

针对经验模态分解在实际应用中因异常信号导致的模态混叠问题, 提出了一种基于双尺度比例的判据和局部EMD的处理方法。首先分析了异常信号对EMD算法的影响, 之后提出了基于时间特征尺度和极值差(双尺度)的判据;通过该判据确定异常信号的时域位置后, 再对该时段信号进行局部经验模态分解, 实现异常信号和固有信号的分离。数值仿真实验以及对比分析表明,相比传统方法, 所提方法能够更加有效地抑制因异常信号产生的模态混叠问题。

针对定深电液伺服系统内部参数的难确定性与时变性问题, 设计了一种神经网络与滑模变结构相结合的复合控制方法。该方法充分利用滑模变结构控制的强鲁棒性优点对定深电液伺服系统进行控制, 使其能够在外部干扰复杂的环境下进行工作, 并且结合神经网络来减弱滑模变结构控制自身所存在的抖振问题。此外,还利用神经网络对电液伺服系统的内部参数进行辨识并进行在线自适应学习, 能够很好地抑制内部参数摄动, 消除定深电液伺服系统工作时的时变性问题, 保证了系统的控制精度与鲁棒性。

针对640×512阵列双波段制冷型探测器, 设计了一套双波段红外光学系统, 用于机载红外搜索跟踪系统。该光学系统采用锗、硒化锌和硫化锌组合, 实现了消色差和消热差设计, 通过引入非球面和构型优化, 很好地校正了系统的高阶像差, 简化了系统结构。光学系统仅由8个镜片构成, 工作波段为3.7~4.8 μm和8~9.4 μm波段, F数为2, 焦距360 mm, 视场2.54°×2.03°, 满足100%冷光阑效率。像质评价结果表明, 光学系统在-55～+70 ℃温度范围内, 双波段成像质量良好。非均匀温度场分析表明, 光学系统温度梯度容忍性较好。

提出了一种基于深度学习检测算法YOLOv3的目标跟踪算法。该算法利用深度学习模型在目标特征提取上的优势, 采用基于回归的YOLOv3检测模型提取候选目标, 同时结合目标颜色直方特征和局部二值模式直方特征进行目标筛选, 实现对目标的跟踪。为了提高算法的性能, 还提出了一种K邻域搜索方法, 可以针对选定目标进行邻域检测。实验结果表明, 提出的目标跟踪算法跟踪效果很好, 综合表现比4种对比算法提高了80%左右, 同时在目标物体光照变化、姿态变化、尺寸变化、旋转变化等复杂情况下有很好的鲁棒性。

针对现有DC/DC电路故障预测中以距离作为故障特征参数存在的不足, 提出了将分段动态时间弯曲距离作为DC/DC电路故障特征参数, 并将此特征参数与长短时记忆神经网络(Long Short-Term Memory,LSTM)算法相结合, 对DC/DC电路进行故障预测。首先, 选择电路输出电压作为监测信号; 然后,利用动态时间弯曲算法计算其与无故障输出电压的分段动态时间弯曲距离作为电路的故障特征参数; 最后, 基于LSTM预测模型实现电路故障特征参数时间序列预测。以Boost电路为例进行了仿真实验, 验证了该方法的有效性和准确性。

针对多态系统的任务需求可变问题, 对马尔可夫模型进行一定扩展, 结合马尔可夫回报模型的基本定义, 推导出多态可修系统的性能-需求模型。在此基础上, 通过对回报矩阵和转移强度矩阵进行一定变换, 提出一种考虑任务需求可变的多态可修系统可靠性评估方法, 并用案例验证了方法的可行性。