海底掩埋物体的目标强度与信混比分析

小掠射角声波照射下的掩埋物体散射声场计算,对水声探测系统的设计十分重要。现有基于声线理论的方法,无法计算小掠射角声波照射下的掩埋物体散射声场。基于波数积分声场模型和虚源方法,开发了可计算海底掩埋物体三维散射声场的模型软件。通过引入等效目标强度的定义,仿真计算了掩埋圆台和球壳的等效目标强度和回声信混比,并分析了掩埋深度和声波掠射角对信混比的影响。结果表明,用单基地方式工作时,掩埋物体的回声信混比总是很小,探测十分困难,若采用双基地探测,当掩埋深度达到30cm时,信混比可提高40dB以上,对掩埋物体探测系统的设计具有参考价值。     

SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能.从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果.根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据.并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能.仿真实验验证了该结论的正确性.     

基于UKF-IMM的双红外机动目标跟踪算法

为了有效解决红外机动目标跟踪精度问题,提出基于UKF的交互式多模型IMM红外机动目标跟踪算法.该方法采用Markov过程描述多个目标模型间的切换,同时导出滤波器输入输出均加权的交互式算法.滤波器采用UKF,避免计算扩展卡尔曼滤波EKF所需的Jacobi矩阵,适用于非线性、非高斯的目标系统模型和观测模型,同时UKF可供多个模型共用,便于软、硬件实现.最后,用双红外探测器对S型机动目标进行仿真实验,给出应用该方法的具体步骤,验证了IMM-UKF的稳定性、有效性和精确性.     

Data association based on target signal classification information

In most of the passive tracking systems, only the target kinematical information is used in the measurement-to-track association, which results in error tracking in a multitarget environment, where the targets are too close to each other. To enhance the tracking accuracy, the target signal classification information （TSCI） should be used to improve the data association. The TSCI is integrated in the data association process using the JPDA （joint probabilistic data association）. The use of the TSCI in the data association can improve discrimination by yielding a purer track and preserving continuity. To verify the validity of the application of TSCI, two simulation experiments are done on an air target-tracing problem, that is, one using the TSCI and the other not using the TSCI. The final comparison shows that the use of the TSCI can effectively improve tracking accuracy.     

SAR图像目标方位角估计与分析

SAR成像对目标方位角特别敏感,方位角估计的准确性会直接影响目标的分类和识别.目标方位角估计方法主要有包络盒准则法、轮廓线变换法和主轴原则法.每种方法都有其局限性,且估计范围是[0, 180],可是目标方位角实际范围是[0, 360].为了能获得任意角度且相对精确目标方位角,提出了一种综合SAR图像目标方位角估计方法.该方法融合了的单一估计法的优点,并利用目标的相关信息,突破了以往仅从图像的角度估计方位角的缺点.实验表明这种方法是有效的、可行的.     

模型误差与轨道精度

应用模型与实际模型总是存在差异,如何从理论上探讨这种差异的影响以及在实际处理中如何进行选择是非常困难的。本文中分析了差异的主要原因,明确了模型误差的概念,并从理论上探讨了模型误差对轨道估计精度的影响,给出了具体的影响误差计算公式;在此基础上,提出了轨道参数的估计效率和客户效率的概念,并由此导出了模型误差处理原则,从而回答了实际数据处理中,模型误差处理方案的选择问题。最后,给出了一个应用实例     

一种鲁棒的被动声目标识别方法

针对噪声环境下一些声目标识别技术性能严重下降的问题,提出了一种基于一阶补偿的径向基函数网络模型,并给出了该网络参数选择方法。实际应用表明,这种神经网络对噪声具有较强的鲁棒性,与传统的径向基函数网络相比,其识别性能等同于信噪比提高大约１０～１５ｄＢ。     

基于MQNM的双基地雷达目标定位改进算法

针对求解双基地雷达目标定位问题常用的Gauss-Newton法自身固有的缺点,如收敛精度和收敛速度依赖于迭代初值与真实值的接近程度和函数的非线性程度,进一步考虑了目标函数Hessian阵的二阶信息,结合MQNM法(修正拟牛顿法)提出了一种双基地雷达目标定位问题的优化改进算法。计算机仿真结果表明了该算法的可行性和有效性。     

基于时空特征融合的飞机尾涡识别

为了实现动态尾流缩减技术,减少进近阶段前机尾流对后机飞行安全的影响。依据相干激光雷达(coherent Doppler lidar, CDL)扫描风场循环周期性特点,提出一种基于时空特征融合的飞机尾涡识别模型。首先,CDL扫描生成的径向速度风场转换成序列输入和块输入。然后,双向长短时记忆(bidirectional long short-term memory, Bi-LSTM)网络用于提取序列输入的时间域特征,卷积神经网络(convolutional neural network, CNN)网络用于提取径向速度风场块输入的空间域特征。最后,将融合的时间域和空间域特征输入全连接层分类器,得到最终分类识别结果。实验团队在深圳宝安机场附近采集风场,并构建尾流数据集来验证所提得融合模型。结果表明：基于CNN和Bi-LSTM时空特征融合模型具有较好的分类性能,在尾涡识别上的准确率、召回率、F₁分数分别达到97.13%、97.50%、97.03%,且相比单一模型是一种更有效的识别方式,能够获得实时高效尾流预警。     

建立体育院校篮球选修课学生综合能力培养目标体系的研究

篮球专项选修课是旨在培养学生和篮球相关综合能力的一门课程．能力培养目标体系的建立是从一种宏观的层面上对于整体教学训练过程的控制．目标体系的理论模式是建立在教学实践的基础之上的,而能力培养目标的实施计划和具体措施,是围绕着目标体系的实现所制定的具体实施方案．研究结果证明目标体系控制下的学生综合能力培养有其特殊的效果和价值．