A Modified Four Path Method for Calculating Coupling Field of Super-Low Altitude Aircraft Target

A novel modified four path method (FPM) is presented for calculating coupling field of super-low altitude aircraft target. Based on the hybrid method PO + MEC (Physical Optics and Method of Equivalent Currents), the antenna radiation pattern is introduced to consider the multipath interference from side lobe of seeker. The modified FPM is used to calculate the coupling field from super-low altitude aircraft target above different terrestrial environments. The curves of scattering coefficient are analyzed. The influences of height of target, root mean square (RMS), and incident angle on coupling field characteristics are discussed. The simulation results can be used for reference in detection for super-low altitude target and optimization for radar system.

红外成像导引头对隐身飞机探测性能提升途径分析

隐身飞机的出现对现有雷达和红外制导空空导弹的目标探测能力都提出了挑战。由于隐身飞机对雷达隐身的效果优于红外,相对而言,红外制导空空导弹具有反隐身的优势。但红外导引头仍需采取一定的措施以提高其对隐身目标的探测识别能力。本文针对红外成像导引头探测隐身目标能力提升需求,首先梳理了隐身飞机的红外辐射特征,之后根据红外成像导引头探测性能的影响因素,提出了采用双色/多波段成像探测、优化系统工作参数设计、提高成像质量和场景自适应性、采用低信杂比目标检测截获等技术以提高系统对隐身飞机的探测识别能力。

基于改进YOLOv8的遥感图像飞机目标检测研究

为解决遥感图像飞机目标检测时易出现检测精度低与漏检误检等问题,提出了一种基于YOLOv8算法的遥感图像飞机目标检测改进算法。首先,将坐标注意力机制模块嵌入卷积模块中,使其能提取复杂背景下的飞机小目标;然后,优化了检测头,去除了大的目标检测头,在提升小目标检测能力的同时减少算法的计算量;最后,使用WIoU作为改进的损失函数,以提高检测精度。实验表明,改进的YOLOv8算法能够有效提高飞机检测精度,可适用于遥感图像的飞机目标检测。

两代天基红外传感器对隐身飞机尾焰探测能力分析

为了对比两代天基红外传感器对隐身飞机尾焰的探测能力,以美国SBIRS-GEO和Next-Gen OPIR星座作为研究对象,通过建立高轨红外探测模型以及构建对应的预警探测场景,对两代探测器在不同飞行状态时飞机尾焰的辐亮度响应特性和模拟成像效果进行量化对比.研究结果表明,两代天基红外探测器都可以用来探测飞机尾焰信号;飞机加力对尾焰温度和外形有显著影响,成为影响天基红外传感器探测性能的关键因素;Next-Gen OPIR搭载的新一代传感器可以在36000 km高度捕获和发现处于非加力状态的尾焰,其成像信噪比明显高于SBIRS-GEO传感器对处于加力状态尾焰的信噪比.

SAR图像飞机目标智能检测识别技术研究进展与展望

合成孔径雷达(SAR)采用相干成像机制,具有全天时、全天候成像的独特优势。飞机目标作为一种典型高价值目标,其检测与识别已成为SAR图像解译领域的研究热点。近年来,深度学习技术的引入,极大提升了SAR图像飞机目标检测与识别的性能。该文结合团队在SAR图像目标特别是飞机目标的检测与识别理论、算法及应用等方面的长期研究积累,对基于深度学习的SAR图像飞机目标检测与识别进行了全面回顾和综述,深入分析了SAR图像飞机目标特性及检测识别难点,总结了最新的研究进展以及不同方法的特点和应用场景,汇总整理了公开数据集及常用性能评估指标,最后,探讨了该领域研究面临的挑战和发展趋势。

多源视频数据驱动的舰面保障作业三维重建

针对现有公开的航母舰面保障作业视频数据碎片化、相机角度多变、像素质量低下等问题,提出一种多源视频数据驱动的舰面保障作业三维重建方法.该方法首先对视频中对象轨迹方向进行预测,并采用联合外观和方向相似度的跟踪方法实现视频数据的多目标轨迹跟踪;然后基于跟踪结果,依次采用相似度关联、特征轨迹分割、轨迹聚类提取多源数据中的保障作业对象并进行关联与融合;最后对融合得到的轨迹进行逼真三维重建.在MOT20数据集和舰面保障作业公开视频数据上,实验和用户调研数据的t检验结果表明,采用所提方法有99.5%的把握得到可信的舰面保障作业三维重建效果.

基于深度迁移学习的复杂机场场景飞机目标检测方法

提出了一种改进的深度学习模型,旨在解决检测问题。首先基于迁移学习,微调预训练模型,提高了模型在有限的飞机数据集中的特征提取能力。其次,融入调整模块以增加深层特征图的感受野,提升模型的鲁棒性。引入特征金字塔网络,融合不同尺度的特征信息,进一步增强多尺度特征提取能力。最后,优化了检测头,融合轻量化的分类和回归并行分支,平衡了目标检测的准确性和实时性。构建了易于拓展的Aeroplane数据集,并对所提方法进行了实验验证。结果表明,所提模型在单架飞机、相互遮挡的飞机和小飞机的检测中平均精度分别提高了4.9%、4.0%和4.4%。所提方法在不同环境下表现优于其他经典方法,包括各类遮挡和夜间、雾天等复杂场景,具有良好的场景鲁棒性。

改进YOLOv5的军事飞机检测算法

针对遥感图像中军事飞机目标检测存在的精度低、漏检和虚警率高等问题,提出了一种基于YOLOv5s的轻量化遥感图像军事飞机目标检测算法——YOLO-Military Aircraft Recognition(YOLO-MAR)。提出新的网络结构,完成多尺度感受野权重调整,重设计特征提取网络和特征融合网络,实现小目标特征权重增加,并进行轻量化处理;使用FPGM对重构后的模型进行剪枝,极大地降低了模型的参数量和体积;使用SIoU Loss作为模型的损失函数,使模型的收敛速度加快并提升检测的精度。结果表明,在公开军用飞机数据集MAR20上,YOLO-MAR相比于原YOLOv5s,模型体积降低至3.95 MB,缩小了71.5%,经过剪枝后的模型体积最小可缩减至0.2 MB,模型平均检测精度最高可达91.7%,提高了2.34%,并且在检测效果、模型体积、参数量和计算量等方面具有先进性,能够对军用飞机目标进行高质量实时检测。

一种基于Transformer编码器与LSTM的飞机轨迹预测方法

为了解决飞机目标机动数据集缺失的问题,文章利用运动学建模生成了丰富的轨迹数据集,为网络训练提供了必要的数据支持。针对现阶段轨迹预测运动学模型建立困难及时序预测方法难以提取时空特征的问题,提出了一种结合Transformer编码器和长短期记忆网络(Long Short Term Memory,LSTM)的飞机目标轨迹预测方法,即Transformer-Encoder-LSTM模型。新模型可同时提供LSTM和Transformer编码器模块的补充历史信息和基于注意力的信息表示,提高了模型能力。通过与一些经典神经网络模型进行对比分析,发现在数据集上,新方法的平均位移误差减小到0.22,显著优于CNN-LSTMAttention模型的0.35。相比其他网络,该算法能够提取复杂轨迹中的隐藏特征,在面对飞机连续转弯、大机动转弯的复杂轨迹时,能够保证模型的鲁棒性,提升了对于复杂轨迹预测的准确性。

基于Faster R-CNN的轻量化遥感图像军用飞机检测模型

遥感图像军用飞机目标检测对侦察预警和情报分析等领域具有重要意义。针对该任务中图像背景复杂、目标尺度变化大和分布密集等挑战,提出了一种基于Faster R-CNN的轻量化检测模型。该模型使用残差拆分注意力网络来捕获目标区域特征的全局上下文信息以提升模型的表征能力;利用可变形卷积来动态学习目标区域的形变特征,适应不同尺度和形状的目标;采用对比实验的方法精简骨干网络,降低过深的骨干网络与过低的采样率对于小目标检测的影响,提高模型的识别速度。在目标候选框筛选阶段,引入Soft NMS算法,根据置信度降序排名去除重叠度高的候选框,降低密集分布目标的漏检率。实验结果表明,提出的Faster R-CNN模型在参数量为23.844 MB的情况下,mAP0.5-0.95达到了77.1%,检测速度达到了43.7帧/秒,相比于多个主流模型具有较好的综合性能。

基于距离向BCRLB的加权融合目标跟踪

推导了目标跟踪距离向贝叶斯克拉美罗下界(BCRLB)的表达式,将距离向BCRLB作为目标跟踪性能的量化指标。针对双机目标跟踪场景,采用交互多模型卡尔曼滤波,提出了基于距离向贝叶斯克拉美罗下界的加权融合算法。仿真实验表明,该算法的目标跟踪航迹与真实航迹贴合较好,跟踪过程中均方根误差能快速收敛到一个稳定的值,相比基于信噪比加权融合的目标跟踪算法,该算法的目标跟踪精度更高。

典型作战飞机目标等效靶分层次设计方法研究

飞机是高价值军事目标,毁伤研究难以直接针对真机开展,设计等效靶代替真实目标开展毁伤试验和仿真研究是目标易损性和毁伤评估研究的重要手段。提出了依据不同等效对象毁伤特性和使用需求的分层次等效靶设计方法,重点关注破片毁伤元作用下飞机部件/分系统的“物理与功能”毁伤等效技术,在此基础上综合考虑目标内外环境等效以及加工、运输等多方面的因素,建立了飞机目标毁伤等效靶的详细设计流程。然后根据提出的方法,针对预警机雷达天线罩进行了等效靶设计,并加工试验件,开展了地面静爆毁伤试验测试,结合试验结果验证仿真方法的准确性后,通过冲击有限元仿真确定了典型破片打击雷达天线罩不同区域的弹道极限速度和相应的临界穿透能量阈值,验证了所提等效靶设计方法的合理性和可用性。提出的等效靶设计方法可为防空武器弹药毁伤能力检验评估、飞机目标毁伤标准制定以及联合作战演训活动提供支撑。

防空装备虚拟射击试验仿真航迹生成方法

地面防空装备虚拟射击试验是一种“虚飞实打”的靶场试验新模式,能够有效降低试验成本、缩短试验周期,同时为检验装备边界性能提供了新手段,虚拟靶机仿真航迹生成是其中的难题。提出并实现一种目标运动方程叠加雷达测量误差模型的仿真航迹生成方法,综合运用多元线性回归分析和最小二乘法构建雷达测量误差模型,解决基于历史试验数据计算相应状态下雷达测量误差的难题。最后,选取历史试验数据进行验证分析,建立相应的雷达测量误差模型,通过叠加单机复杂战术机动行为,得到仿真航迹数据。分析表明,按照该方法生成的航迹高低角、方位角测量值的均方根误差分别为0.110 mil、0.166 mil,距离测量值均方根误差为2.285 m,能够满足试验需求。

基于改进YOLOv5的SAR图像飞机目标细粒度识别

针对合成孔径雷达(synthetic aperture radar,SAR)图像飞机目标细粒度识别中的小目标和多尺度检测问题,提出了一种基于YOLOv5的改进SAR图像飞机目标识别算法。该方法首先对网络进行重构,加入小目标检测层,改善小目标的漏检问题,提高目标定位精度。其次,在颈部网络中引入极化自注意力机制(polarized self attention,PSA),并使用双边特征金字塔结构(bi-directional feature pyramid network,BiFPN)进行多层特征带权融合,提高对飞机目标散射信息的关注度和滤除干扰信息。最后,使用SIoU(SCYLLA intersection over union)作为网络损失函数提高网络收敛速度和检测精度。利用SARAIRcraft-1.0数据集进行了算法有效性试验研究,实验结果表明,算法有效提升了飞机目标的检测精度,精确率、召回率、平均精度均值分别达到92.6%、84.1%、90.1%。

舰载全自动挂弹车定位系统设计与实现

论文以图像识别技术和飞机全自动挂弹任务为应用背景,设计了一型基于OpenMV图像识别功能的舰载全自动挂弹定位系统。以OpenMV图像识别平台作为挂弹小车的机器视觉平台,通过阈值编辑器标定目标图形的颜色阈值,提取目标图形的中心坐标、距离等信息,然后将一系列动作指令发送给Arduino Mega 2560,从而驱动各个执行机构实现挂弹平台前进、后退、原地旋转、倾转、升降、夹取等功能,并创新地使用了双向通信功能,使得OpenMV与Arduino Mega2560进行数据交换,确保挂弹平台能够准确、高效地将导弹挂装至飞机机翼下方挂弹架上,实现全自动挂弹功能,同时该系统还设计了基本的LED人机交互功能,能够让操作人员清晰直观地观察到系统运行状态。该系统在大型舰船飞机挂弹任务保障场景中有较大的应用价值。

基于神经网络剩余时间估计的导弹-目标动态分配方法

针对防空导弹动态目标分配问题,设计了一种基于神经网络的剩余飞行时间预测方法,该方法在计算中不仅考虑了弹目相对距离和导弹运动状态,还考虑了敌方目标的运动状态对预测结果的影响,提升了预测精度;结合该方法建立了综合考虑距离优势、角度优势和剩余飞行时间优势的目标分配模型,采用拍卖算法对该模型进行求解,给出整体最优的目标分配方案。仿真结果表明:神经网络模型的测试集预测误差在1 s以内,低于经典算法,拍卖算法的重分配计算用时能够满足系统的实时性要求。

基于深度学习的智能化无人机视觉系统设计

针对无人机飞行高度高、目标尺度变化大、目标存在密集遮挡等问题,本文将对基于深度学习的无人机目标探测与识别以及视觉定位进行深入探讨,并设计出一套无人机目标探测与定位系统。研究选用Yolov5深度学习网络模型进行目标检测,基于Darknet深度学习框架完成端到端的训练预测,最后利用AprilTag视觉基准库完成无人机自身空间位置的辅助定位。测试结果表明,Yolov5模型的参数量只有5.3,准确率为97.41%,召回率为90.73%,mAP为83.2。AprilTag辅助定位的拟合精度达95%以上。研究设计的基于深度学习的智能化无人机视觉系统不仅具有实际的工程价值,更具有重要的社会意义。

有向切换拓扑条件下针对机动目标的分布式协同制导方法

针对多飞行器对机动目标的协同制导问题,在视线坐标系下建立飞行器-目标相对运动模型,在此基础上将协同制导问题分为视线角协同以及命中时间协同2个子问题。基于扩张状态观测器分别在视线方向以及视线法向设计了分布式协同制导律。通过一致性分析证明了所设计的制导律在有向切换拓扑条件下的收敛性,并通过数值仿真的方式进一步验证了制导律的有效性。

基于机器学习的四旋翼植保机目标识别研究

为了提高无人植保机的目标识别能力,提升其在复杂环境下自主化作业的适应性,将机器学习算法引入到了植保机目标自主识别系统的设计上,利用神经网络学习算法和图像增强处理技术提高了识别系统的准确性。模拟植保机的作业环境,在作业区域设置了大量的作物目标,通过植保机对目标物的识别对其性能进行了测试,结果表明:植保机可以准确地识别作物目标,满足自主作业时对目标自主识别的设计需求。

改进无锚点的彩色遥感图像任意方向飞机目标检测算法

针对彩色遥感图像上飞机目标体积小、分布密集、背景复杂导致的检测精度低问题,提出了一种改进无锚点的彩色遥感图像任意方向飞机目标检测算法。采用BBAVectors为基准模型,以ResNet50为主干网进行特征提取,在特征金字塔网络FPN后增加一条自上而下的路径扩展网络PANet模块,缩短信息路径并用低层级准确位置信息增强特征金字塔。其次,引入注意力机制CBAM模块,通过抑制噪声和突出目标特征,实现复杂环境下的飞机目标检测精度的提升。在DOTA数据集上分别进行消融实验和对比实验,并使用DOTA_devkit对数据集分别进行0.5以及1倍比例的裁切,提高模型的检测精度。改进后的模型在彩色遥感图像测试数据集上的检测精度达到了90.35%。相较于原模型,检测精度提升了0.82%。实验结果表明,该方法在彩色遥感图像中的飞机检测任务中具有更好的检测效果。