基于ESP32-S的小型智能气体识别系统设计

智能气体识别系统主要包括硬件电路、用户界面、信号处理和深度神经网络模型各模块;其采用ESP32-S作为主控芯片,设计硬件电路对金属氧化物半导体气体传感器加热端电压动态调制,实验选择调制传感器温度范围为150~250℃,对应调制电压范围2.5~3.8 V;以20 Hz的频率采集热调制下的传感器特性变化曲线,通过信号传输功能传递至上位机,将所得热调制响应信号经信号处理特征提取后喂入自行搭建的I-5×5-2×2-200-200-P结构卷积神经网络训练构建模型,使用训练后深度神经网络模型前向传播实现对目标气体的快速识别检测;在静态气敏测试平台中的测试结果显示,该系统能有效实现对多种类VOC气体的识别功能,对乙醇、丙酮和异丙醇的42种测试气氛的识别准确率达到100%。

基于改进的核相关滤波算法的红外目标跟踪

核相关滤波(KCF)算法在跟踪过程中由于目标受到遮挡或者目标本身的形变、大小变化等问题容易丢失目标。针对以上问题对原算法做出如下改进:一是加入检测模型响应值的方法作为判定目标是否丢失的依据,一旦判定目标丢失,模型就会暂停更新,增加采样窗口个数来扩大目标搜索范围,直至判定为重新定位目标;二是加入一种自适应的多尺度搜索策略;三是将原算法采用的方向梯度直方图(HOG)特征与图像灰度特征矢量融合作为新的样本特征。将原算法和改进算法用于实验采集的红外视频序列,定性地比较和分析跟踪效果,同时根据在OTB-2013中测试的跟踪精度做定量的评估。实验结果表明,改进算法的综合性能及应对目标受到遮挡、形变、大小变化等问题上的鲁棒性能均有提高。

融合SVM的多特征DSST目标跟踪算法

为解决DSST算法多尺度搜索策略跟踪时目标出现严重遮挡、非刚性形变、目标脱离视场导致的目标外观变化的问题,提出一种将支持向量机(support vector machine,SVM)目标重检测模块融合的算法。提取目标的多种特征然后将这些特征矢量融合以增强目标的特征表达。在DSST算法的位置和尺度滤波器的基础上,新增目标外观滤波器,利用训练好的SVM全局搜索目标。采用不同大小的窗口采样来训练相关模型并建立一个SVM的最优分类面,通过SVM对丢失后的目标进行重检测。实验结果表明,改进算法比DSST算法在对目标受到遮挡、目标非刚性形变等问题上的鲁棒性能均有提高。

基于相关滤波跟踪算法的测试与分析

基于相关滤波的跟踪算法具有跟踪速度快以及在线学习并同步更新的特点,对其进行测试与分析。详细介绍几种经典的相关滤波跟踪模型,根据诸多算法在OTB-2013(object tracking benchmark)上的测试运行结果,对比分析各种算法的总体跟踪性能和在跟踪难点问题上的跟踪鲁棒性能,横向分析相关滤波算法在应对各种跟踪难点问题时所做的一系列改进,并对未来的发展给出几点看法。结果表明,该分析可对相关研究提供参考借鉴。

预警机支援下的地空导弹杀伤区远界研究

基于等角航线目标运动模型,构建了预警机支援下杀伤区坐标系,并给出了地空导弹杀伤区的计算方法;结合实际地理环境,对预警机和阵地之间的位置进行分析,得到了跟踪探测空间范围的计算方法,分析出在该空间范围内导弹最大飞行斜距是限制杀伤区远界的主要因素,并给出了斜距的计算方法,确定杀伤区远界点位置;算例结果表明:预警机支援下地空导弹超视距拦截低空超低空目标的杀伤区远界得到了有效的、高倍扩展。

预警机协同制导地空导弹交接班方法研究

在一体化防空作战中,为保证中远程地空导弹在预警机协同下能够精确命中目标。文中在协同制导交接班流程的基础上,提出了两种协同制导交接班方法,并通过建立具有末端攻击角约束的全弹道模型,说明了导弹弹道在交接班过程中的实际作用,最后给出了交接班时间参数计算方法。仿真结果表明,交接班能够在弹道模型中顺利完成,交接班参数计算方法具有有效性和适用性。

舰载机回收决策指标分析与评估

选取了一套适用于分析大机群舰载机编队回收排序策略的评估指标。通过研究分析回收流程中关键环节,选取影响舰载机回收模式和优先度的各种因素,并将其分为编队指标和单机指标。在此基础上,对各项指标进行初步建模并分析各项指标相互关系,建立起可用于计算机处理的评估指标体系,摆脱传统回收模式中过分依赖着舰指挥官人工排序的情况,为舰载机回收提供了一种更为科学合理的解决方法。