机载光电探测设备对地定位算法及其仿真分析

提出了一种基于机载光电探测设备数据和惯导信息的对地定位算法,可以实时地解算出地面目标的经度、纬度和高度等地理坐标信息,用于装定或引导精确制导炸弹打击目标。通过引入蒙特卡罗模拟计算方法对目标定位精度进行了仿真分析,指出各测量组件误差对定位精度影响的大小,为各测量组件的误差分配和系统的整体设计提供了理论指导。从定位方案和仿真结果可以看出,该方法具有对地形鲁棒性强、实时性好和计算稳定性高等优点,适合于复杂的战场环境。

基于外观统计特征融合的人体目标再识别

人体目标再识别是视频监控等应用的关键问题之一。该文从外观统计特征融合的角度,利用人体的颜色和结构信息,基于空间直方图和区域协方差两种优秀的统计描述方法,研究了再识别问题的特征构建和测度选择等内容。构建特征时从图像多个层次的统计区域中提取了多类互补性较好的统计向量,设计测度时使用了简单的1l距离进行加权组合。两类统计方式融合而成的再识别方法不需要进行预处理和监督性训练过程。该文进行了广泛的实验比较和分析,验证了该文方法优异的识别性能和较强的实用性能。

基于ST-SRCKF的超高速强机动目标跟踪算法

针对超高速强机动目标运动模型难以准确建立且观测数据易出现不良量测而导致滤波发散的问题,提出一种适用于超高速强机动目标的跟踪算法。该算法根据正交性原理推导了一种新的强跟踪平方根容积卡尔曼滤波(ST-SRCKF)结构,并引入多重渐消因子,渐消因子求解方法和作用位置均不同于已有的ST-SRCKF。根据新息的统计学特性,即新息协方差矩阵的迹服从卡方分布,建立了一种改进的CS-Jerk模型,该模型对目标机动的描述更准确,它与改进ST-SRCKF算法的结合实现了对超高速强机动目标的高精度跟踪。仿真结果表明,改进算法对超高速强机动目标的跟踪性能更佳。

高超声速强机动目标改进IMM-CKF跟踪算法

高超声速强机动目标的运动具有复杂性、突变性和强非线性特点,针对单模型算法难以实现对此类目标的精确跟踪,提出一种改进的交互多模型(IMM)算法,克服了单模型算法跟踪强机动目标的缺陷和标准IMM算法对似然函数计算不准确的问题,实现了不同子模型之间的变维交互;采用容积卡尔曼滤波(CKF)算法实现了雷达观测数据与目标状态量之间的高精度非线性转换。仿真结果表明:改进的IMM算法相比单模型算法和标准的IMM-CKF算法,明显提高了高超声速强机动目标的跟踪精度。

CH1系列料道式退磁器

介绍了开发的CH1系列料道式退磁器,该退磁器采用先进的微机控制脉冲调节技术,由电路对可控硅移项角的控制来控制退磁线圈通电的强弱,并且随着退磁时间的增加,退磁线圈的磁场逐渐减弱,退磁时间为1.2秒,大大提高退磁效果,且剩磁量散差小,性能稳定,与传统的退磁器相比,节电90%以上,并且不需要人工操作,提高了工作效率,降低了劳动强度。