针对分布式雷达网的多帧联合航迹起始方法

分布式雷达网相对于单站雷达系统而言, 可以通过信息融合、协同探测等技术获得目标探测性能的提升。然而实际应用中, 目标相对于各个雷达站距离和视角通常不同, 往往存在某些雷达站由于信噪比较低无法捕获成功。针对上述问题, 充分依托分布式雷达网信息共享的优势, 提出一种多帧联合航迹起始方法。首先将已经成功建立目标航迹的雷达站获取的跟踪信息, 传递至尚未发现目标的雷达站, 并基于该跟踪信息建立预测波门, 设计预测波门内的多帧联合检测方法, 最终根据检测结果完成目标航迹起始。仿真试验表明, 所提方法可以实现航迹起始性能的提升。     

基于改进的CNN和数据增强的SAR目标识别

针对合成孔径雷达(synthetic aperture radar, SAR)图像目标识别问题, 提出了基于改进的卷积神经网络和数据增强的SAR目标识别方法。首先在训练阶段引入Dropout, 随机删除部分神经元, 增强网络的泛化能力。其次, 在网络中引入L2正则化, 简化模型的同时降低结构风险, 并且能有效地抑制过拟合。然后, 采用Adam优化网络, 提高模型的收敛效率。最后, 采用优选的数据增强方法, 扩充SAR目标数据集, 为网络训练提供更为充足的样本, 进一步提高识别的准确率和模型的泛化性。在运动和静止目标获取与识别(moving and stationary target acquisition and recognition, MSTAR)数据集上进行了实验, 结果表明设计的卷积神经网络识别准确率高, 且具有更好的泛化性。     

云制造系统用户认证和服务间协同高效可信安全技术

针对云制造系统不同安全域之间信任关系孤立导致的用户跨域访问重复进行身份认证和云服务跨域协同被拒绝的问题, 设计了一种面向云制造系统的域间互信过程模型, 提出了基于域间互信的用户认证和服务跨域协同高效可信安全优化技术, 实现了用户可信身份跨域传递和云制造服务跨域协同, 并在企业进行了应用验证, 给出了所提方法与传统方式的对比分析。分析结果表明, 提出的高效可信安全技术能够在提升云制造系统认证和服务跨域协同效率的同时不降低现有安全机制的防护强度。     

基于电流相位特性的滑动散射中心建模方法

复杂流线型目标通常包含多个滑动型散射中心(sliding scattering center, SSC)。由于SSC位置随观测方位变化而改变, 采用现有的散射中心建模方法所获得的SSC属性参数精度受到雷达图像分辨率、多散射中心图像混叠和参数估计精度的限制。本文提出一种基于表面电流相位特性的散射中心建模方法。该方法基于全波法计算的稀疏采样角度下的表面等效电流数据, 通过驻相点自适应提取、电流分区, 实现目标散射中心的参数化建模。驻相点自适应提取可以精确确定散射中心位置, 电流分区计算可以避免多散射中心成分混叠造成的参数提取困难, 从而保证了散射中心的建模精度。本文以某导弹和飞机模型为例, 采用全波法和传统方法建模计算结果对使用该方法建模的效率和精度进行了验证。     

半实物射频仿真的误差联合概率密度函数分析

为了更详尽地描述仿真误差, 对基于三元组的半实物射频仿真的仿真角度误差二维联合概率密度函数(probability density function, PDF)进行了详细研究, 给出了仿真误差的方向性分布。基于重心公式, 在设定馈电幅度相对误差满足高斯分布的基础上, 给出了两个角度方向上的仿真角度误差的联合PDF。结果表明, 三元组对不同方向处的点目标的仿真误差二维联合PDF存在差异; 两个角度方向上的仿真角度误差会存在相关性, 且该相关性会随点目标位置的不同而不同。由于平行于航迹方向与垂直于航迹方向的角度误差对系统的影响不同, 该工作有利于对于半实物射频仿真的等效性进行更精细的评估。     

基于无锚框的红外多类别多目标实时跟踪网络

本文提出一种改进的红外多类别多目标实时跟踪网络, 在确保跟踪精度的同时, 重新设计无锚框网络结构, 进一步降低网络的参数量与推理时间。通过优化目标特征向量, 进一步提高识别精度, 同时简化与改进跟踪流程。此外, 通过细化分析相关流程执行时间, 选用GPU与CPU分别执行最优运算, 提升跟踪整体运行速度。上述方法被应用于低空海面红外目标跟踪数据集中。结果表明, 在本文所提的综合评价指标下, 所设计的网络相较其他轻量级网络评分提高1.78, 且运行速度在NVIDIA Jetson Xavier NX中达到52.37 FPS, 满足边缘端实时运行需求。     

基于YOLO框架的无锚框SAR图像舰船目标检测

面向合成孔径雷达(synthetic aperture radar, SAR)多目标检测应用, 提出了一种基于YOLO (you only look once) 框架的无锚框SAR图像舰船目标检测方法。该方法针对YOLOv3锚框需要预先设定且无法完美契合的弊端, 通过采用无锚框方法更好适应所检测目标的大小, 便于多尺度目标使用。在此基础上, 给CSPDarknet53网络增加了注意力机制作为特征提取网络, 然后经过能够增大感受野的改进特征金字塔网络(feature pyramid network, FPN)后, 把特征图传给无锚框检测头, 有效提升了目标类别和位置的预测精度。实验证明, 所提算法在公开SAR舰船数据集上平均精度比YOLOv3提高3.8%，达到了94.8%, 虚警率降低4.8%。     

非等效累积损伤模型

开展了45号钢在变幅加载下的疲劳试验,基于试验结果,对Miner模型、Manson-Halford模型、Corten-Dolan模型和叶笃毅模型的预测精度进行对比分析,并基于非等效累积损伤原则,以Miner模型和Manson-Halford模型为基础分别构建了2种新的非等效累积损伤模型.结果表明:4种模型中,Manson-Halford模型的预测精度好于其余3种模型,而本文构建的新的非等效累积损伤模型的预测结果要优于Manson-Halford模型,并且其计算模式较为简便,适宜工程应用.