地面目标红外建模缺失参数反演与模型验证方法

地面目标红外辐射特性建模需要比较完备的参数,针对非合作方目标,许多相关参数较难或者无法通过测试的方法直接获取,参数的缺失给目标红外辐射特性预测带来了很大困难。目标的红外测试数据可以认为是包含所有参数及所处环境在内的信息综合作用的结果,因此可以利用目标的测试数据反演某些重要的缺失参数。针对冷静态目标,首先分析地面目标建模可能的缺失参数,通过调研及专家知识等预估缺失参数取值区间,基于灵敏度理论和正交试验法研究缺失参数对目标特性的影响程度,确定主要缺失参数,包括材料厚度、材料表面太阳吸收率和发射率。然后基于地面目标仿真数据或实测数据,结合共轭梯度法提出地面目标红外建模缺失参数反演与模型验证方法,最后通过两个实例对该方法进行了验证。结果表明:利用该方法反演缺失参数后的典型测点计算温度与实际温度变化特性高度一致,不同时刻的温度数值误差最高不超过2 K。研究表明:该方法具有较好的准确性,未来可推广应用到非合作目标红外建模缺失参数反演与红外辐射特性预测研究中。

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient,HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明:在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。