卵形弹丸高速正侵彻混凝土靶板的数值仿真

利用非线性动力学有限元软件Ls-dyna对CRH为3的不同弹体材料的卵形弹丸以不同撞击速度对混凝土靶板作用过程进行数值模拟研究,并且与相应的实验进行对比.重点研究了在不同弹体材料及撞击速度下,弹体质量侵蚀结果及其对侵彻性能的影响.发现在该结构下某种弹体材料的弹丸对应着极限穿透深度,即随着侵彻速度增加,其侵彻深度反而减小;且发现弹丸阻力的时程曲线都出现多个比较明显的峰值,速度越大,其峰值也越大.当材料的屈服强度较大时,其峰值波动的持续时间也就变得较长,相应的侵彻深度也会增加.     

高斯背景下距离扩展目标的恒虚警率检测

对宽带高分辨率雷达(HRR)中的距离扩展目标进行检测,若还采用分辨雷达的检测方案,目标回波的全部能量得不到充分利用,会影响雷达的检测性能。提出了一类基于二进制积累的距离扩展目标检测算法,推导出了它们的平均虚警概率和平均检测概率的数学解析式,并进行了性能分析和比较。这些方法较常规低分辨雷达方法可获得目标信噪比8个多分贝的性能改善,且这些次优积累的高分辨雷达距离扩展目标检测方法具有易于工程实现的优点。     

机动目标跟踪的灰色截断变维法

在灰色预测滤波和截断滤波的基础上建立了灰色截断变维法。在截断变维法中嵌入灰色预测滤波 ,用性能优越的机动检测技术为开关 ,在机动区用灰色预测滤波替代并导引截断变维滤波。该方法具有很强的自适应性和更高的滤波跟踪精度 ,其性能优于单模型有参数自适应滤波算法及多模无参数自适应滤波算法 ,同时无需任何先验的统计参数。计算机仿真表明了它的各种优越性。     

空中运动目标时变时延估计方法的仿真研究

时变时延估计是运动目标测向的关键技术，参数模型法是一类重要的时 延估计算法，其自适应形式可用于对时变时延的估计。本文分析选择了三种自适应的时延估计参数模型法，将其应用于实测的直升机噪声数据，进行了大量仿真试验，为有限阵列尺寸条件下空中运动目标的被动测向提供了有价值的参考数据和结论。     

组网雷达系统对于高加速机动目标的精确跟踪研究

针对多基地雷达系统跟踪近距离高加速机动目标的场合,提出了一种并行扩展卡尔曼滤波算法。该算法首先建立起组网雷达群跟踪目标运动形态的观测模型,然后将三维加速度矢量引入到目标的运动模型中,通过并行计算的方式,在对加速度进行合理估计的基础上对量测数据进行卡尔曼滤波跟踪分析,获得目标的精确轨迹。仿真结果表明,该算法不仅能快速精确计算目标的位置和速度,而且具有很好的瞬态特性和稳态特性。     

一种新的对地定位方法及其精度分析与仿真

提出一种新的无人空中载体对地定位方法。该方法根据GPS／INS组合导航系统测量的载体坐标与姿态角、光轴稳定平台相对于载体的姿态角以及激光测距数据，计算地面目标点的三维维坐标，克服了共线条件方程对地形鲁棒性差和DEM迭代定位算法容易发散的缺点。为分析此方法的定位性能，给出了定位误差分析模型，并通过仿真算例验证了该定位方法的有效性，仿真结果表明目标定位精度满足舰炮作战要求。     

三维数据拼接中编码标志点的设计与检测

提出了一种编码标志点的设计与检测方法,以满足三维扫描测量中对大面积物体进行全场检测的编码标志点拼接法的要求。编码标志点由编码点和标志点组成,其中标志点提供位置信息,编码信息被编译储存在编码点的排布中。研究了编码点的数量和编码标志点方案总数的对应关系以及标志点的编码方法。对编码标志点的检测以及偏心误差进行了分析。实验证明,该编码标志点方案简洁、严密,容易识别,达到了设计要求。     

基于YOLO-PCB的印刷电路板裸板缺陷检测

针对当前印刷电路板PCB（Printed Circuit Board）裸板缺陷检测算法对小目标检测准确率较低、误检率过高等问题,一种改进的YOLO-PCB缺陷检测算法被提出。新算法在YOLOv5s算法的基础上引入注意力机制,增强特征图的通道特征;同时引入加权双向特征金字塔网络改进特征融合层,使网络实现更高层次的特征融合;而且增加小目标检测层,提高网络对印刷电路板上小目标缺陷的检测能力。实验结果表明,相较于原YOLOv5算法,改进后的检测算法具有更强的特征提取融合能力和更高的检测精度,YOLO-PCB算法的mAP_0.5提升了4.08%,mAP0.5:0.95提升了56.69%,精确度提升了1.81%,召回率提升了6.76%。     

基于连续谱特征提取的被动声纳目标识别技术

目标噪声特征提取和目标分类器设计是被动声纳目标识别系统的关键技术 .针对被动声纳目标识别 ,提出了一种新的连续谱特征提取方法 .此外 ,为了训练神经网络目标分类器 ,将遗传算法和 BP算法相结合 ,提出了一种新的自适应遗传 BP算法 .最后 ,对海上实录的三类目标噪声进行了分类识别 .实验结果表明 ,设计的被动声纳目标识别系统具有很好的分类效果     

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络（ResNet）提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图（FHOG）特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图（FHOG）特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。[JP]