基于系统控制管理的无人机无源定位

军用无人作战飞机是近年来快速发展的一种载具平台,应用于其上的核心任务处理机系统控制管理(SCM)程序,随着其功能丰富性与复杂性的提升,使得飞机在实际作战的飞行控制与电子侦查方面的问题也逐渐凸显。因此,为了更好地保证作战飞机对敌机位置的确定,以SCM程序为核心的目标定位问题成为当下研究和探讨的热点话题之一,尤其是处理单机与多机不同场景下,如何保证飞机执行飞行任务的同时兼顾单机信息处理与多机信息共享和协同作战,是研究的重点。对此,提出一种基于SCM的无人机无源定位方案,通过SCM协调各系统资源,利用单机无源和多机协同不同方式的定位手段定位敌机,实现记录敌机信息的目的。在某型号任务系统的工程试验中验证了所提系统程序的可行性与稳定性,为无人机定位任务的研究与实现提供了有效方案。

基于SRTM的地形因子提取方法研究

地形是影响土壤侵蚀的重要因子,在侵蚀估算模型中常用坡度和坡长(LS)来衡量,在大区域上常基于数字高程模型(DEM)提取。SRTM作为大区域尺度上质量高、易获取的高程数据,在全球土壤侵蚀评价中得到广泛应用。但现有地形因子提取算法要求高程和栅格单元的单位(通常为m)一致,需对SRTM进行坐标变换才能使用。针对大区域上SRTM坐标转换时间开销大的问题,提出了一种直接基于SRTM提取地形因子的算法(LSA-SRTM)。该算法利用地理坐标系下的经纬度信息计算栅格单元长度及单元坡长,结合最陡坡降策略获得坡度及流向,进而提取汇水面积,根据坡度设置坡度截断点,根据汇水面积阈值设置沟道截断点,经正、反遍历后获得累积坡长,采用CSLE的分段公式计算LS因子。以Himmelblau-Orlandini数学曲面、5个典型样区的1″SRTM作为数据源,将LSA-SRTM、投影坐标系下的LS算法(LSA-DEM)与手工测量的结果进行对比。LSA-SRTM方法与测量值在数学曲面和典型样区,坡长的R^(2)分别为0.8552、0.7788、0.7269、0.7024、0.6909、0.7255,LS因子的R^(2)分别为0.8907、0.8209、0.8213、0.7142、0.7145、0.8212。在运行时间方面,LSA-SRTM方法具有较高的效率。结果表明,LSA-SRTM算法计算精度、效率更高,可为大区域地形因子提取的研究提供支撑。

基于总变分低秩组稀疏的全球雷达数据修复算法

针对航天飞机雷达地形测绘任务(SRTM)中存在由大量尖峰、斑点和多向条纹误差形成的混合噪声对后续应用产生严重干扰的问题,提出了一种基于总变分约束的低秩组稀疏(LRGS_TV)算法。首先,利用数据在局部范围低秩方向上的唯一性来正则化全局多方向条带误差结构,同时使用变分思想进行单向约束;其次,使用加权核范数的非局部自相似性来消除随机噪声,并结合总变分(TV)正则对数据梯度进行约束,以减小局部范围变化差值;最后,使用交替方向乘子优化对低秩组稀疏模型进行求解,从而保证了模型的收敛性。把所提算法与TV、单方向总变分(UTV)、低秩单图像分解(LRSID)和低秩组稀疏(LRGS)模型这4种算法进行定量评估的结果表明,LRGS_TV的峰值信噪比(PSNR)可以达到38.53 dB,结构相似性(SSIM)可以达到0.97,均为5种算法中的最优。同时,坡度与坡向结果表明,经LRGS_TV处理后,数据的后续应用有显著改善。实验结果表明,LRGS_TV能够在保证地形轮廓特征基本不变的情况下更好地修复原始数据,可对SRTM可靠性的提高与后续应用提供重要的支持。