多源遥感图像融合语义分割发展现状与展望

遥感图像的语义信息提取正成为城市规划利用、土地覆盖勘察、灾害变化检测以及海上态势感知等研究方向的关键技术之一。文中从由“单源”向“多源”发展的遥感图像智能处理需求出发,首先概述并分析了大数据时代和深度学习背景下的遥感图像语义分割发展现状,主要包括单一来源图像语义分割、多源遥感图像融合语义分割和多源(同质/异质)遥感图像变化检测。然后在阐述主要方法的基础上,提炼并总结了多源遥感图像语义分割的关键技术,主要有单源遥感图像快速语义分割语义信息辅助的多源遥感图像精确配准与融合、基于多源遥感图像的语义信息智能提取。最后,针对多源遥感图像在轨处理需求,概括出高分辨率多源遥感图像智能一体化信息提取所面临的技术挑战,并对未来发展趋势进行展望。

海上目标无源态势感知技术试验研究

对海上目标全天时全天候的准确态势感知是维护国家海洋权益和保障海上安全的关键。针对现有无线电侦测、光电探测等无源探测技术在探测目标类型和多目标探测能力方面和有源雷达在抗干扰和隐蔽性方面的局限,以海面上的各种船舶为目标,开展了基于脉冲雷达信号的海上目标无源感知技术试验研究,给出了无源态势感知系统探测目标的基本原理,结合外场实测数据完成了直达波脉冲信号参数的测量、天线扫描特性分析和数据预处理、脉冲积累与动目标显示处理、恒虚警检测和显示校正等方面的问题,并利用船舶自动识别系统信息对试验处理结果进行了检验分析,验证了基于脉冲雷达信号的海上目标无源态势感知技术的可行性和有效性。

人工智能赋能军事领域的思考与展望

随着人工智能技术的快速发展,智能化技术逐渐向军事领域渗透,现代战争正在逐渐由信息化向智能化转型,智能化、无人化作战力量将成为影响现代战争演变的重要因素。为了应对现代化战争的新挑战,我国迫切需要加速人工智能技术在军事领域的应用研究。首先梳理了人工智能的主流算法,介绍了目前军事领域中人工智能技术的应用场景。立足现代战争特点以及人工智能应用中存在的不足,对未来人工智能赋能军事领域的研究趋势进行分析,期望能为智能化战争研究领域的相关人员带来启发。

海杂波中的雷达目标检测技术综述

首先,总结了雷达对海上目标进行检测时面临的三个主要难点;然后,重点讨论了几种典型的具有较大发展潜力的海上目标雷达检测技术;并在上述分析的基础上总结了雷达对海上目标检测技术的发展趋势,即,雷达对海上目标的检测技术逐渐从单维度信息利用、单手段处理向空、时、频、波形和极化等多维度信息综合利用,多视角、多波段、多脉冲、多层面、多波形、相参和非相参等多手段处理改善信杂噪比的方向发展。

国防大数据概论

给出国防大数据的定义,归纳提炼国防大数据的特征,分析国防大数据所面临的挑战,并提出国防大数据研发和应用所需解决的科学问题及关键技术,最后给出发展建议。通过对国防大数据的研究,建立巨型国防大数据平台、货柜式国防大数据平台以及嵌入式国防大数据系统的概念,以便全面提升军队核心战斗力,在未来智能化战争中取得军事优势。

多传感器数据融合系统中两种新的航迹相关算法

本文提出两种适合于分布式多传感器数据融合的序贯航迹相关算法，对这两种序贯航迹相关准则进行了严格的数学推导和描述，研究了航迹相关质量设计和多义性处理方法，井通过仿真把它们与两个经典方法进行了比较．仿真结果表明，在密集目标环境下和／或交叉、分岔及机动航迹较多的场合，两种序贯航迹相关算法的性能与传统方法相比获得了明显的改善，其正确相关率与传统方法相比提高了约百分之三十．

雷达自动检测和CFAR处理方法综述

对雷达自动检测和恒虚警率 (ConstantFalseAlarmRate,CFAR)处理方法进行了综述 ,介绍了研究CFAR检测的几个主要方向和发展现状。主要内容有参量检测的目标和杂波模型 ,高斯杂波背景中的CFAR检测和非高斯杂波背景中的CFAR检测 ,非参量CFAR检测。最后简单地介绍了分布式CFAR检测 ,阵列信号CFAR处理 ,极化CFAR处理等极具潜力的研究方向 ,以及现代信号处理技术在雷达自动检测中的应用。

多目标多传感器模糊双门限航迹相关算法

本文提出两种适合于分布式多传感器数据融合的模糊双门限航迹相关算法．文中研究了模糊因素集的构成、隶属度函数的选择、权向量的动态分配、航迹相关质量设计、多义性处理方法、模糊双门限航迹相关准则及模糊经典分配问题，并通过仿真与两个经典方法进行了比较．仿真结果表明，在密集目标环境下和／或交叉、分岔及机动航迹较多的场合，模糊双门限航迹相关算法的性能与传统方法相比获得了明显的改善，其正确相关率与传统方法相比提高了约35％．

多传感器信息融合研究进展与展望

介绍了信息融合定义的新认识、信息融合系统功能模型和结构模型的新发展,并就多传感器信息融合中的分布式检测融合、航迹起始、检测与跟踪的联合优化、主被动传感器系统数据关联、估计融合模型、传感器管理、非线性滤波所采用的数学工具等若干关键技术的新成果与新动向展开了讨论,详细阐述了各项技术的一些有代表性的最新进展及其在多传感器信息融合系统中的应用和发展情况。最后对多传感器信息融合技术的研究动向进行了展望,提出了今后的发展趋势和我们的研究策略。

基于相位相关的航迹对准关联技术

本文研究了雷达存在探测系统误差时的目标航迹关联问题,给出了组网雷达常规及大系统误差对目标航迹影响的理论分析,提出了一种基于相位相关的系统误差配准前目标航迹对准关联算法.该算法利用Radon变换和Fourier变换的有关特性,采用1维和2维相位相关来分别估计航迹间旋转和平移,基于估计量对各雷达目标航迹进行对准后,实现配准前航迹准确关联.最后,蒙特卡洛仿真结果比较验证了在各种不同的系统误差和目标环境中算法良好的航迹对准关联效果,充分说明其能够为雷达误差配准提供可靠的关联航迹数据.

基于时差信息的超视距目标定位与跟踪

本文对超视距目标定位与跟踪问题进行了研究 ,并给出了一种把主动跟踪技术和无源时差定位技术结合起来对超视距目标进行侦测的新方法 .该方法的定位系统由地面站和空中站组成 ,地面站上的无源侦收设备测得经空中站转发 (或反射 )的目标信号到达时间差 ,同时地面站上的主动雷达对空中站进行精密定位 ,计算出目标信号在这段距离上的传播时间 ,进而可获得目标信号到达空中站的时间差 ,此时就相当于在空中站的位置对目标进行超视距侦测 ,利用时差定位技术就可估计目标的位置信息 .通过仿真分析可看出 ,利用本文的方法可对超视距目标进行良好的定位与跟踪 .

双/多基地雷达的组合估计及定位精度分析

通常采用马尔可夫估计对双 /多基地雷达系统中的冗余数据进行组合估计 ,但其可行性如何至今仍未得到研究 ,本文以双基地雷达为背景给出并证明的一个定理解决了这个问题 .理论分析表明 ,对于要按马尔可夫估计进行组合估计的任意两个测量子集 ,只要它们中有重复测量量 ,就不能进行组合估计 .本文还对可以进行组合估计的双 /多基地雷达进行了仿真 ,仿真结果表明 ,组合估计可改善双 /多基地雷达探测区域内各点的定位精度 ,特别是大大改善基线区。

分布式多传感器数据融合中的双门限航迹相关算法

本文提出两种适合于分布式多传感器数据融合的双门限航迹相关算法.文中对这两种双门限航迹相关准则进行了详细的描述,研究了航迹相关质量设计、多义性处理和漏相关概率的估计方法,并通过仿真将它们与两个经典方法进行了比较.仿真结果表明,在密集目标环境下和/或交叉、分岔和机动航迹较多的场合,双门限航迹相关算法的性能明显优于传统方法,其正确相关率比传统方法提高了大约35％.

带反馈信息的多传感器分层估计算法

为了改善局部节点和传感器级的跟踪性能 ,本文研究带反馈信息的多级式多传感器系统中的状态估计技术 .在给出有反馈信息情况下传感器级状态估计解的基础上 ,本文提出多坐标系中有反馈信息的两层集中、分布和混合估计方程 .在不同笛卡尔坐标系中 ,本文提出了几种带反馈信息的三层多传感器系统中的航迹级融合方法 ,其中包括集 分估计、分 分估计和混 分估计 ,并以定理的形式证明有、无反馈信息情况下的两类三层状态估计是等价的、最优的 .仿真结果表明 ,在多传感器信息融合系统中引入反馈机制可以明显改善一些局部节点和传感器级的跟踪精度 .

多级式多传感器信息融合中的状态估计

本文研究多级式传感器监视系统中的状态估计技术．基于单传感器Ｋａｌｍａｎ滤波方程，两级集中和分布估计解，本文提出多坐标系中多级式多传感器跟踪系统的三层集中估计方法．在不同笛卡尔坐标系中，本文提出了几种适合于三层多传感器信息融合系统的航迹级融合方法，其中既包括了集分估计，也包括了分分估计组合问题．在离散线性假设下，各层估计解都是最优的并且对同一问题的不同表现形式是等价的．另外，文中还给出了多级式多传感器系统分层估计的平凡解．

杂波图CFAR平面技术在均匀背景中的性能

典型的杂波图恒虚警检测技术常被用于时域平稳、空域变化较剧烈的杂波环境它在每个杂波图单元处都形成一个独立的检测阈值，于是被称为杂波图CFAR点技术．而沈福民提出了一种杂波图CFAR平面技术的构想这是一种在时空两维变化都比较平稳的杂波环境情况下尤为适用的杂波图CFAR检测技术，我们将其称为面技术本文具体推导了这种技术在时空两维都均匀的背景中的检测性能表达式，并同杂波图点技术的性能进行较细致的分析比较．结论表明。

纯方位二维运动目标的不可观测性问题研究

纯方位系统是可观测的 ,是指系统在纯方位观察条件下 ,能唯一地求解出目标的运动参数。针对二维空间作匀加速运动的目标 ,对纯方位系统跟踪的不可观测性问题进行了讨论。证明了在观测器保持匀速直线运动时 ,纯方位系统定位与跟踪不可求解这一命题。对于利用被动传感器得到的纯方位量测进行目标运动状态的估计 。

一种基于随机集的模糊观测的多目标跟踪算法

为解决目标数未知或随时间变化时模糊观测的多目标跟踪问题,将多目标状态和模糊观测数据表示为随机集形式,利用模糊观测的似然函数融合模糊数据,建立了模糊观测的概率假设密度(probability hypothesis den-sity,PHD)粒子滤波方法。这种方法首先利用粒子滤波预测和更新随机集的PHD,然后估计目标数N,最后找出N个PHD最大的点就是多目标的状态估计。在相同的仿真环境中,用这种方法与用重心去模糊器进行去模糊处理后的观测数据同时跟踪目标数变化情况下的多目标,并进行了比较,结果表明,模糊观测多目标跟踪的PHD粒子滤波能稳健跟踪目标数未知或随时间变化时的目标状态和目标数,性能好于去模糊情况。

多雷达跟踪系统中航迹质量管理的优化

利用滑窗检测器对多雷达跟踪航迹起始与撤消进行了分析，指出了目前技术指标的不足之处，提出了新的技术指标，定义了最优航迹起始、准最优航迹起始和最优航迹撤消，为航迹质量管理系统的优化设计提供了依据。

多传感器综合系统中的航迹相关算法

本文研究多传感器综合系统中的航迹相关问题。本文运用抽象代数和非贝叶斯决策理论并借鉴统计模式分类思想,提出一种新的航迹相关算法——K 近邻域(K—NN)航迹相关法,并把航迹相关化成了数学上的集合划分和商集构造问题。K—NN 算法把本次相关与其历史联系起来,把相关分成五个阶段,并采用了阈值的自适应技术,定义了相关函数、相关质量、相关向量、向量范数和以范数为基础的统计距离。仿真结果表明,它的效果明显好于最近邻域法,克服了极大似然(ML)和经典分配法的不足,并且也不象似然比(LR)法依赖于某些先验分布。它特别适合密集目标环境/交叉、分叉和机动航迹较多的场合,通常可在普通的计算和通讯资源上实时运行,并且比较便于工程实现。