基于优化深度学习的三维无源目标定位方法

针对无源定位收敛速度慢、方位信息不准确等问题,提出面向三维无源目标定位的深度学习算法优化。利用激光雷达传感器采集目标三维数据,通过数据配准得到高质量点云数据;建立包含三层网络结构的卷积神经网络,将采集到的数据输入到网络中,确定定位边界框,计算位置置信度;针对卷积神经网络处理稀疏数据速度过慢的问题,设计一种稀疏卷积并行算法,引入检测器优化网络结构,提高运算速度;确立边界框约束条件,改善网络训练性能;设置边框位置误差、置信度误差以及定位误差三种损失函数,增强算法的特征学习能力,使算法的定位能力更强。实验结果表明,所提方法定位误差小,加快了收敛速度。

一种小型无人机无源目标定位方法及精度分析

为了提高小型无人机无源目标定位的精度,设计了一种新的目标定位算法。首先确定目标定位过程中的坐标转换关系并推导出视轴角的计算模型;然后,利用光电侦察平台锁定跟踪目标的特性,提出了对同一目标点多次测量的目标定位框架,建立了系统状态方程和测量方程,考虑到测量方程的非线性,将无迹卡尔曼滤波应用于目标位置估计;最后,针对加性高斯白噪声的非线性目标定位系统,推导出理论上的定位误差的克拉美-罗下限。仿真结果表明,该算法具有较高的目标定位精度,滤波器估计误差均方差已逼近非线性系统的克拉美-罗下限。现场试验结果表明,在离地面约1000 m的空中,无人机对地面目标定位精度可达8.1 m。该算法易于部署,可操作性强,具有较大的实用价值。

反辐射空地导弹目标无源定位算法及误差分析

针对反辐射导弹在遭遇雷达突然关机而无法有效打击目标的问题,基于直升机实施反辐射导弹攻击的态势,构建三维定位的数学模型,然后利用改进卡尔曼滤波推导得到无源定位算法,在加入纯惯导和组合导航误差后对滤波前后高低角、方位角以及X,Y,Z方向定位精度进行仿真及分析,对算法的精度和可行性进行跑车实验分析验证。结果表明,所提出的基于改进扩展卡尔曼滤波(EKF)的无源定位算法精度高于传统EKF,定位精度小于4%、收敛时间小于30 s,满足反辐射导弹目标无源定位需求,验证了算法可行性。

基于速度先验的单平台快速动目标无源定位技术

针对典型的已知巡航速度范围的运动辐射源,提出了一种基于速度先验的单平台快速无源定位方法,利用单平台测得的辐射源方向信息,结合先验速度信息,实现对运动目标的单平台快速无源定位,此方法改善了地面固定单站对运动辐射源的定位可观测性,且定位解算速度较快,对运动辐射源的运动形态没有明显要求。最后,通过计算机仿真,验证了算法的有效性。

基于变分贝叶斯推理的多目标无源定位算法

为提高多目标无源定位的精度和鲁棒性,文中提出了一种基于变分贝叶斯推理的多目标无源定位算法。该算法首先建立分层的混合高斯先验模型以诱导目标位置向量的稀疏性;然后,利用变分贝叶斯推理的方法估计该先验模型中隐藏变量的后验分布;最后,根据目标位置向量的后验分布估计目标的位置。仿真结果表明,该算法较传统的基于压缩感知的多目标无源定位算法具有更高的定位精度以及更好的鲁棒性。

一种基于POS系统的航空相机目标定位方法

为实现对拍摄区域目标准确与快速的定位,提出一种针对仅依靠宽幅面阵航空相机进行无源目标定位的定位算法.利用与相机刚性连接的定位定向系统测量相机曝光时刻的位置与姿态信息,恢复摄影光束的空间位置.选取适当的物方坐标系,通过坐标变换建立共线方程,利用单幅相片辅以地面高程信息求解目标的大地坐标信息.分别采用全微分法与蒙特卡洛法建立误差模型并进行仿真计算.采用某相机挂飞数据验证算法的有效性,在飞行高度为5 000m时,定位精度可以达到30m以内,精度指标满足工程需要.

卫星观测空间目标无源定位系统设计

针对空间目标无源定位问题,建立了空间目标的系统状态模型和天基仅测角观测模型,设计了卫星观测空间目标无源定位系统。系统具有强非线性和高维度的特点,传统扩展卡尔曼滤波(EKF)算法线性化过程复杂、舍入误差大。针对上述问题,提出了贝叶斯框架下的平方根容积卡尔曼滤波(SCKF)算法,采用后验概率密度函数(PDF)对空间目标进行估计定位。仿真结果表明,SCKF算法的收敛精度优于传统的扩展卡尔曼滤波算法和无迹卡尔曼滤波算法(UKF),证明了SCKF算法在空间目标无源定位中的有效性和应用价值。

多目标无源定位跟踪中的数据关联技术

多目标的无源定位跟踪一直是目标探测与定位跟踪领域的热点问题，而数据关联技术在多目标无源定位跟踪中具有重要意义。本文着重分析了现有的静态数据关联和动态数据关联中的各类算法和思路，指出了这些算法与思路的应用前提条件以及应用环境，接着针对这些算法与思路的不足，提出了能够适应更加复杂情形的改进的思路和策略。

人工智能技术的水声探测应用

人工智能技术是当前信息技术领域的研究热点,以深度学习、强化学习等方法为代表的新一代人工智能技术对众多行业发展具有重要影响,形成了整个人类社会进步的重要驱动力。文章在总结当前主要人工智能方法的基础上,针对目标检测、水下目标识别、目标自动跟踪、无源目标定位、声呐效能评估与工作参数推荐、人机交互、水声数据仿真、集群协同等水声探测重点应用方向,讨论了人工智能方法运用机制,利用部分典型场景的智能化处理结果验证了可行性,可以为水声探测的智能化技术研究与应用提供基础。