一种改善球形目标RAM优化速度的方法

采用遗传算法设计球形目标雷达吸波材料时 ,由于适应度函数是以级数形式给出 ,且随物体尺寸的增大 ,级数收敛减慢 ,优化时间成倍增长。为提高设计效率 ,依物体电尺寸的大小分段使用不同的方法进行优化设计 ;其次 ,采用浮点数编码 ,可以节省计算机内存 ,简化优化过程 ,从而大大缩短优化设计的时间。为避免算法陷入局部最优 ,采用分段变参数遗传算法 ,提高进化的效率。最后 ,用Matlab设计算法 ,通过算例证明方法的快捷、有效。

控制球形目标成像的全向反射镜面设计方法

针对常规全向反射镜面设计方法对球形目标会产生较大的形变和由于形变带来的区域间颜色互相影响的问题,分析得到了控制球形目标成像所需满足的四个基本要求,进而提出了一种控制球形目标成像的全向反射镜面设计方法。该方法利用具有凸型反射镜面基本性质的双曲线面型作为反射镜面的基本面型;以在单视点约束条件下所确定的目标特征点与成像特征点间的关系为依据,采用遗传算法得到反射镜面的面型参数。将该设计方法得到的反射镜面与水平无畸变反射镜面、锥型反射镜面的效果进行了比较,仿真与实际效果说明了设计方法的有效性。

面向机器人航天员的球形目标识别与定位方法研究

针对机器人航天员在典型目标识别与定位方面的问题,提出一种球形目标识别与定位方法,利用目标颜色特征和形状特征实现了目标识别,采用空间射影几何方法推导了单目视觉空间球定位公式,建立了硬件试验环境,在此环境下实现了基于彩色相机的单目视觉定位、双目立体视觉定位以及融合TOF相机和彩色相机的视觉定位方法。通过真实试验和仿真实验对这些方法进行了比较分析,得到了各自的适用条件,为工程应用中具体方法的选择提供了依据。

相参积累网络雷达对球形目标检测性能分析

本文研究了总发射功率一定的条件下,相参积累网络雷达四种模式对球形目标检测性能。分析和仿真结果表明网络雷达宜采用MIMO和MW模式,而且MIMO模式随着通道数的增加系统性能增加变慢,MW模式在高信噪比时也表现出同样的特性。

涂层材料对空间球形目标辐射特性的影响

为了使弹道导弹拥有方达到突防的目的,通过热网络数学模型及差分法的方法,对空间球形目标表面温度场分布进行了计算与分析,对空间目标红外辐射特性展开研究.结果表明:部署一组铝基涂层的气球或一组不同涂层的气球,均可降低目标识别率,铝基涂层气球还有更好的隐身效果.

空间球形目标大小对其热效应的影响

针对一种重要对抗措施——核弹头的反模拟气球诱饵,提出了一些有益于突防的具体措施。通过热网络数学模型及差分法,分别对不同大小空间球形目标的白天和夜间表面温度场分布进行了计算。结果表明,为了使诱饵在白天和夜间都能使用,在设计时采用一组不同大小的诱饵,使其表面温度分布在含弹头气球表面温度的附近两侧。这样既可破坏美国导弹防御系统(National Missile Defense,NMD)基于大小识别目标的能力,又可增加对方识别目标的复杂性。

视频积累网络雷达对球形目标检测性能分析

为了研究总发射功率一定的条件下,视频积累网络雷达4种工作模式对球形目标的检测性能,对其进行了分析和仿真,结果表明,积累的脉冲数一定时,重定相组网(RPNR)与多输入多输出(MIMO)模式的检测性能随着节点数的增加而增加,移动窗(MW)和组网(NR)模式则相反.对于有限的节点数,RPNR模式检测性能最好,MIMO模式次之,低信噪比(SNR)时MW模式最差,高SNR时则是NR模式最差.

空间机械手捕捉目标的模型与区域研究

由于太空的特殊环境,机械手的捕捉目标处于漂浮状态。在捕捉时目标相对于机械手的位置会由于二者的轻微碰撞而改变。为了能成功捕获目标,对目标的捕获位置需要由一个点扩大到一个区域。提出了捕获的概念,并由此出发通过严格的推导,论证了在太空中机械手捕获球形目标的方法。再以此方法为指导,建立机械手捕获球形目标的数学模型。最后针对指定球形目标和机械手,利用仿真手段给出捕获区域。通过对捕获区域的分析,说明了文中所提出的捕捉方式的有效性。

基于残差分布定权的M估计球形点云拟合方法

针对传统最小二乘法拟合球形目标抗差能力弱的问题,提出了基于统计滤波的M估计球形目标点云拟合方法。首先引入统计滤波剔除空间分布稀疏且不均匀的噪声点,结合最小二乘算法建立M估计球形目标拟合模型;然后根据球形目标扫描点云及其误差分布特征,设计了与待求参数相互依赖的权函数,提高剔除目标点云中系统性误差和粗差能力。最后结合等距离间隔条件下扫描球形目标实验数据,分别采用本文方法、最小中值方差一致性估计算法(Least Median of Squares,LMedS)以及最小二乘算法进行拟合处理与结果分析。结果表明,提出的基于残差分布定权的M估计球形目标点云拟合方法得到的球形目标误差较LMedS算法减小21.1%,较最小二乘拟合算法减小48.1%,本文方法具有更好的抗差能力。

一种基于YOLOv5改进的动捕Maker点识别方法

针对动作捕捉系统应用时,复杂背景下球形目标Marker点识别稳定性低的问题,论文结合YOLOv5识别技术提出了一种半监督训练的Marker点识别方法:首先利用Teacher student model进行伪标签制作,并根据所得的阈值来挑选高置信度的伪标签;随后将伪标签数据当做训练集对模型进行微调来得到最终模型;接下来对YOLOv5模型中CSP模块中的residual模块进行替换,同时对模型进行剪枝,并利用动捕小目标识别特征删减YOLOv5算法中的模块,从而进一步实现模型轻量化。最后,使用球形Marker进行测试,实验结果验证了所提方法的有效性,证实了应用论文方法可以较为稳定地提取复杂场景中的Marker点,大大增强了动捕系统在复杂环境中应用的适应能力。