针对空战态势评估中, 常权求和带来的信息动态性不够灵活的问题, 提出了动态变权重的近距空战态势评估方法。该方法在优势函数的基础上, 加入空战能力指标, 改进了评估指标体系; 并且依据贝叶斯理论实时确定态势类型, 综合空战态势变化特点, 根据变权理论, 动态调整评估指标权重。通过真实的空战数据仿真实验, 验证了该方法在空战态势评估中的可行性和有效性。仿真结果表明, 动态变权重的评估方法能够有效改善常权求和引起的信息动态性差的问题。

针对相关滤波器的存在边界效应问题, 提出了一种基于相似背景与HSV空间颜色直方图的目标跟踪算法。通过最佳伙伴相似原理(Best-Buddies Similarity), 在真实背景中选取与目标相似度较高的相似背景作为负样本训练相关滤波器, 降低边界效应。并将HSV空间颜色直方图与贝叶斯分类器结合对目标进行颜色跟踪, 利用颜色直方图信息提高复杂背景下目标跟踪的成功率。在OTB-50和OTB-100中挑选16个视频进行实验, 与当前主流的6种跟踪算法对比, 本文算法的成功率得分0.593, 准确率得分0.467, 优于6种主流的目标跟踪算法, 能够有效提高目标跟踪的成功率和准确率, 并且具有较好的实时性。

在传统PI控制微纳操纵成像系统的基础上实现参数实时在线调整。为了获得更好的控制效果,进行了自适应模糊PI控制的微纳操纵成像系统仿真研究。运用探针与样品之间原子力保持不变的原理对微纳操纵成像系统动态过程进行建模,加入模糊PI控制模块,建立了一套完整的系统仿真平台。设计了一种自适应模糊PI控制器,该控制器通过对电压值的误差和误差变化的判断进行模糊化推理,实现对控制参数的实时在线整定,以达到优化控制的目的; 同时,利用Matlab进行仿真研究。结果表明,自适应模糊PI控制算法比传统PI控制算法能有效地改善系统的动态性能和稳态性能。

为提高光照变化下目标跟踪算法的精度和鲁棒性, 基于稀疏表示理论, 提出一种光照补偿和多任务稀疏表示联合优化算法。该算法首先根据目标模板与候选目标的平均亮度差异对目标模板光照补偿, 而后利用候选目标构建过完备字典以稀疏表示光照补偿后的目标模板, 并将所得问题转化为一个多任务优化问题, 然后利用所得稀疏编码矩阵快速剔除无关候选目标, 最后基于重构误差对剩余候选目标进行局部结构化评估, 进而实现目标的精确跟踪。实验结果表明, 与现有主流算法相比, 剧烈光照变化情况下, 所提方法可显著改善目标跟踪精度及鲁棒性。

为了实现光纤位移传感器的光强补偿和减小测量误差, 提出了一种基于遗传算法(GA)优化BP神经网络的光强补偿及校正模型。首先通过对光纤位移传感器做标定实验, 获得传感器测量的原始数据, 然后采用GA-BP神经网络进行建模, 通过对遗传算法的适应度函数、编码方式和参数进行研究, 利用遗传算法的全局寻优能力对传统BP神经网络的权值、阈值进行优化, 改善了其容易陷入局部极值的问题。最后利用实测数据对GA-BP网络和传统BP网络进行训练, 实验结果表明, GA-BP网络比BP网络的预测误差小很多, 提高了补偿精度, 从而实现了光纤位移传感器的光强补偿。

为实现对具有未知死区输入的非线性系统的跟踪控制, 提出一种基于扩张状态观测器的自适应动态面控制算法。采用扩张状态观测器代替函数逼近器在线估计反演法每一步中的不确定函数, 基于反演法技术构造自适应动态面输出反馈控制器, 通过跟踪微分器来消除传统反演控制算法计算负荷大的问题,并给出稳定性证明。对所提出的控制方法进行仿真验证, 结果表明该算法跟踪效果较好, 鲁棒性和抗干扰能力较强。

针对倾转旋翼机过渡过程中操纵面冗余、通道耦合严重的问题, 对飞行器在过渡模式下的舵面分配策略以及控制通道切换策略进行了研究, 并开展基于自抗扰控制的姿态控制器设计。根据飞行控制的特点, 将自抗扰控制器的结构进行优化, 减少了扩张状态观测器的阶数, 采用跟踪微分器的微分输出作为姿态角速率指令, 简化了姿态控制器的结构。通过对无人倾转旋翼机全包线的飞行控制仿真, 验证了控制系统的有效性、舵面分配策略和通道切换策略的合理性。

为了准确识别遥感图像中的飞机, 基于YOLO V3算法, 通过使用K-means算法对数据集进行聚类分析, 借鉴Densenet网络的思想, 将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块, 改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练, 分别选出使两个网络识别效果最好的权重文件, 针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明, 新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%, 比原始算法准确率提升了0.85%, 召回率高达98.34%, 召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%, 比原始算法准确率提升了5.07%, 召回率高达93.10%, 召回率提升了19.75%。

针对噪声影响下光流计算稳健性较差及收敛速度慢的问题, 提出一种噪声环境下光流场快速稳健估计方法。所提算法基于噪声环境下光流场估计方法, 引入惩罚因子以增强光流计算稳健性, 并在光流计算迭代公式中加入动量因子缩短光流计算收敛时间以加快光流场计算。而后基于变分方法极小化光流能量函数求解欧拉-拉格朗日方程, 最后通过迭代方法求得速度场。仿真结果表明, 对视频中连续两帧图片加入不同高斯噪声后, 与M算法及ML算法相比, 所提算法可显著增强光流场计算稳健性, 缩短光流计算收敛时间, 加快光流场计算。

研究动态背景中弱小运动目标检测问题, 提出了一种基于fast-LOF的光流轨迹分类方法。针对弱小运动目标占据像素少、特征缺失等问题, 引入光流轨迹思想, 在高维空间检测异常光流轨迹实现动态背景中弱小运动目标检测; 针对传统LOF算法复杂度过高问题, 引入fast-LOF降低异常检测环节复杂度, 保证系统良好的检测效率。以手持摄像机拍摄视频进行实验, 实验结果表明,白光场景中算法可以实现复杂大视场中弱小运动目标快速检测, 光流轨迹和fast-LOF的结合有效提高了算法性能和检测效率, 在视觉检测系统中具备一定使用价值。

为加强fDSST算法在目标快速运动、快速形变、目标消失情况下的跟踪精度, 提出了一种基于TLD和fDSST的长时间目标跟踪算法。在fDSST算法的基础上, 加入了检测器和学习器对跟踪结果进行修正和学习, 并利用检测器和学习器的正负样本对跟踪结果进行置信度评估, 从而解决了在跟踪失败情况下的错误参数学习问题。实验表明, 基于TLD和fDSST的长时间目标跟踪算法, 不但解决了fDSST算法由于目标快速运动、形变甚至消失而使跟踪失败, 难以进行长时间持续跟踪的问题, 且很大程度上增强了TLD算法的跟踪精度。

针对核相关滤波器(KCF)跟踪算法在目标发生尺度变化和严重遮挡的情况下跟踪失败的问题, 提出了一种基于自适应的核相关滤波的目标跟踪算法。该算法运用了尺度估计策略, 使跟踪框自适应, 用多项式核函数来减少计算量, 采用了FHog目标特征代替原来的Hog特征, 获取更多的目标特征信息。实验采用OTB-2013评估基准的50组视频序列进行测试, 并与其他31种跟踪算法进行对比, 测试所提算法的有效性。实验结果表明: 所提算法成功率为0.549, 精确度为0.736, 排名第一, 与KCF算法相比, 分别提高了3.8%和1.0%。该算法在目标发生尺度变化、严重遮挡等复杂情况下, 均具有较强的稳健性和鲁棒性。

主要对基于速度矢量场的无人机编队协同保持问题进行研究。首先以Leader-follower编队为研究对象, 建立了无人机数学模型。在此基础上, 借鉴人工势场法, 引入相对速度矢量, 给出无人机间的引力函数和斥力函数, 完成了速度矢量场建模。在速度矢量场作用下, 无人机编队能够实现队形保持, 并保证无人机之间不会相互碰撞。最后搭建仿真验证平台, 验证了该算法的可行性和有效性。

群目标具有结构固定、运动模式特殊等特点, 并且数量规模较大、空间分布密集、互相遮挡现象严重, 采用传统的多目标跟踪算法对其进行跟踪会出现错误关联甚至失跟的现象。介绍了3种比较典型的群目标跟踪思路, 即中心类跟踪算法、基于随机有限集的算法以及群扩展状态的估计算法, 对目前的研究成果进行了分析和总结。最后, 基于现有理论以及相近领域先进技术的发展, 讨论了群目标跟踪的发展趋势。

针对弹道导弹高动态、非线性的特点, 引入了基于三阶球面－径向容积准则的非线性容积卡尔曼滤波(CKF)算法。此外, 针对其特点, 研究了发射惯性系下BDS/SINS深组合导航下的自适应容积卡尔曼滤波(ACKF)算法。该算法根据Sage滤波开窗法的思想和渐消的思想, 通过引入多重次优渐消因子到CKF滤波器中, 自适应地在线调整CKF滤波器的观测误差协方差阵, 在提高滤波精度的同时实现对快速变化的状态进行强有力的跟踪。实验结果表明: 多重次优渐消因子的引入使得CKF滤波器可以更多地利用系统的先验信息, ACKF滤波器对快速变化的状态具有更强的跟踪, 系统误差在较短的时间内收敛, 提高了组合导航系统的动态性能。

复杂环境下进行定位导航, 需要构建全源导航系统, 实现多传感器的即插即用和不同频率的数据融合。研究了一种基于因子图的数据融合方法, 该方法采用因子图法表示状态的递推与更新, 采用高斯牛顿迭代法求解优化方程完成组合导航中的数据融合任务。然后以惯性/卫星组合导航系统为例, 分析了因子图的原理内容, 设计了相应的信息融合框架。最后对该方法的可行性进行了仿真验证, 实验数据表明, 3轴位置的均方根误差值分别为1.53 m, 1.55 m, 1.53 m, 证明了该方法的可行性, 可以在此基础上扩展传感器, 构建全源导航系统。

针对广播式自动相关监视(ADS-B)航迹跟踪精度低以及目标跟踪模型与目标运动模型匹配效率低的问题, 结合自适应算法对经典交互多模型(IMM)算法的运动模型集进行改进。将经典交互模型(IMM)运动模型集中的匀加速运动(CA)模型, 改进为“当前”统计模型(CS)和修正转弯(MCT)模型。利用改进的模型集对目标当前位置、速度和加速度进行滤波估计。并对模型转移概率进行修正, 提高IMM算法的自适应能力, 实现快速目标跟踪。利用模拟航迹数据及实际设备接收的实测数据对算法进行验证。结果表明: 运动模型集改进后的IMM算法滤波结果优于经典IMM算法, 跟踪结果稳定, 改进的算法可适应复杂的目标航迹实时跟踪。

为解决在复杂战场环境下察打无人机作战效能的有效评估问题, 结合无人机的作战使用过程, 分析了影响无人机作战效能的主要因素; 运用动态贝叶斯网络方法构建了无人机作战效能的评估模型, 并给出了变量属性等级和网络关键参数的计算方法。通过Netica工具对无人机的作战效能进行动态评估仿真, 验证了模型的有效性和可行性。动态贝叶斯网络模型为无人机的作战运用和装备研制改进提供了参考依据。

针对预警机协同制导条件下空空导弹的可制导交接区进行研究。在分析基于预警机的空空导弹协同制导流程的基础上, 建立了预警机、发射载机及导弹的力学模型和运动模型, 并从三者自身角度及相互关联的角度分析了影响协同制导交接区的限制因素;在求解协同制导可交接区域过程中, 采用黄金分割法对已建模型进行仿真, 并在仿真中设置了预警机和导弹的不同参数, 根据仿真结果分析参数对制导交接区的影响。结果表明: 在某一确定态势下, 制导交接区与预警机-发射载机通信距离、制导距离、制导天线波束宽度、导弹接收天线波束宽度呈正相关关系; 但当制导天线波束宽度与导弹接收天线波束宽度超过某一定值时, 影响较小。

红外探测距离作为红外搜索跟踪系统(IRST)的重要技术指标, 如何便捷地对红外探测距离进行精确测试成为影响红外搜索跟踪系统(IRST)研制的关键环节。分析了现有的红外探测距离测试的外场试飞存在的优缺点, 提出了红外探测距离的缩比探测方法。该方法利用缩比探测的原理, 引入真实大气路径和真实场景, 通过精确控制模拟辐射源的辐射能量来实现红外搜索跟踪系统(IRST)红外探测距离测量, 针对近地面大气透过率复杂多变的特点, 引入了大气透过率校正因子对近地面大气透过率进行校正, 经过A, B两型红外搜索跟踪系统(IRST)的试验验证, 测得的红外探测距离与真实试飞数据最大误差为12%, 且相对于外场试飞, 极大地缩短了研制周期, 降低了研制费用。

温度会改变液晶材料偏光特性, 液晶材料偏光特性的改变会直接影响液晶显示器件的显示性能, 因此获得高温下液晶器件的偏光特性就可以预测其在高温环境中使用时显示特性的变化。提出一种适用于高温环境下液晶显示器件偏光特性的测试方法:首先将背光式LED和偏振片放入高低温试验箱中进行高温测试, 利用面成像仪测量线偏光通过高低温试验箱玻璃门后的偏振态, 以此获得玻璃门的偏振特性;然后将液晶器件放入高低温试验箱, 测试得到通过玻璃门后的Stokes矢量, 用玻璃门的温度-偏振特性进行补偿后, 即可得到液晶显示器件在高温状态下的温度-偏光特性。

为了提升协作式机器人Baxter在工作应用中识别抓取目标物体的准确性和鲁棒性, 对所涉及到的一些图像处理算法进行研究, 提出了基于HSV颜色模型和形态学处理的工作区域轮廓检测算法, 改进了传统识别圆的Hough变换算法。实验结果表明, 所提出和改进的算法能够提升协作式机器人Baxter对目标识别的准确性和鲁棒性。