空天地协同作战混合分层指挥控制体系结构研究

为了解决空天地信息网络下作战系统中指挥决策的任务分级方式、上下级之间以及同级之间的协同决策问题,提出一种混合分层指挥控制体系结构,并对其组成元素进行分析。每个作战单元根据其所承担任务的粒度,被分成多个层次,并利用协同规划网络完成层次之间的链接。重点介绍了混合分层指挥控制系统多级协同规划方法,并针对相关的重点问题给出简单模型描述,为系统的进一步设计提供依据。

误差状态卡尔曼滤波的视觉惯性自适应融合定位方法研究

头盔瞄准具(HMS)是近年来新一代战斗机飞行员的辅助瞄准设备,能够帮助飞行员增强战场态势感知能力,对敌方目标进行快速、精准打击。其能正常工作的关键是获取飞行员头部相对于运动飞机的姿态参数。本文结合头盔瞄准具这一应用场景研究了视觉组合姿态测量关键技术。视觉惯性组合定位能够实现目标位姿测量方法的优势互补,而由于标称噪声矩阵无法绝对准确预测,融合算法的鲁棒性、精度有待进一步提升。针对这一问题,本文提出一种误差状态卡尔曼滤波框架下基于变分贝叶斯推断的视觉惯性自适应融合方法。首先,对于过程噪声使用逆威沙特(Wishart)分布进行建模,之后通过引入隐变量分解一步预测协方差,并结合变分贝叶斯推断实现了对过程噪声协方差矩阵的在线估计。试验证明,在复杂运动及标称噪声协方差矩阵偏移较大的测量条件下,所提位姿测量算法具有较高的精度与鲁棒性,能够完成对靶标的快速、高精度跟踪。

基于四阶龙格-库塔法的多弹道并行计算研究

弹道计算是一类典型的计算密集型问题,在飞行器设计及航迹规划中起着至关重要的作用,对该问题的求解通常具有计算量大、耗时长等问题。为实现弹道解算加速,本文利用多线程并行计算技术设计了基于四阶龙格-库塔法的多弹道加速计算架构,通过任务划分将多弹道解算映射到不同的线程并调度至处理器内核。通过试验分析了多弹道计算关键因素的影响,试验结果验证了利用多核多线程并行加速架构可以在保证高精度要求下有效地提高多弹道计算效率,并且可应用于提高微分方程类问题的解算效率。

基于模糊自适应的高超声速机翼颤振的主动控制

基于模糊自适应方法研究了高超声速机翼颤振的主动控制问题。首先,针对具有结构立方非线性和气动非线性的高超声速飞行器的二元机翼模型,分析系统的稳定性,得到系统的Hopf分叉点;然后,基于T-S模糊理论逼近系统非线性动态,设计了参数自适应律和模糊控制律,并应用Lyapunov理论证明系统所有信号一致最终有界;最后,通过仿真验证了所提出的主动控制算法的有效性。

基于TLD的舰船目标跟踪方法研究

复杂背景下进行舰船目标的跟踪时,在某些帧可能会有目标丢失。为了克服这个问题,采用联合检测-学习-跟踪的TLD算法。其过程是通过训练一种在线可更新的随机蕨分类器对目标跟踪结果进行检测,并使用一种基于时空约束的PN学习策略对分类器进行学习和更新,最后融合跟踪得到的结果对目标进行判别和确定。试验结果表明,该跟踪算法可适用于目标外形改变和遮挡的情况,鲁棒性强,识别率高,误检率低,同时实时性也较好,可以满足一般的在线跟踪系统的要求。

基于决策树的景象匹配算法性能评估方法研究

论文从SAR图像适配性分析和红外图像可识别性分析研究中得到启发,发现景象类型对景象匹配算法的性能有着显著影响,而景象类型又是通过图像特征来进行衡量的,包括基于图像灰度的特征、基于边缘提取的特征以及基于相关面分析的特征。通过分析飞行器航行经过区域的这些图像特征,提出了一种基于CART决策树的景象匹配算法性能评估方法。最后基于决策树对两种经典景象匹配算法进行性能评估,验证了这种评估方法的有效性。

端面抽运的正交直角棱镜腔激光器研究

为了获得结构紧凑、光束质量高、光轴稳定性好的机载激光辐射器,采用LD端面抽运构型与正交直角棱镜腔技术对该型激光器进行研究,基于琼斯矩阵理论分析了特殊波片实现调Q关门的原理,通过带曲率设计的直角棱镜腔镜,将腔型控制在大基模尺寸,并实验对比了正交偏振关门与特殊波片关门两种方式。结果表明,在正交偏振关门状态下,20 Hz的工作重频时获得了单脉冲能量72.2 mJ、光束质量M_(x)^(2)=8和M_(y)^(2)=6的激光输出;基于K9玻璃的直角棱镜材料,利用0.648λ波片进行调Q关门,在20 Hz的工作重频下,获得了单脉冲能量80 mJ、光束质量M_(x)^(2)=5.7和M_(y)^(2)=4.8的高光束质量输出,其中激光器在x与y方向上的发散角分别为1.65 mrad和1.35 mrad。这一结果对高性能小型化激光器的研发是有帮助的。

基于图像分解的稀疏去噪及优化方法研究

为了改进在纹理丰富的图像中消除随机噪声的效果,基于对学习型字典随机噪声去噪实验结果的分析,论文提出了一种基于MCA图像分解的稀疏表示的去噪方法。首先基于MCA分解将图像分为结构和纹理两部分;然后对分解后的图像分别进行基于稀疏表达的去噪(对结构图像采用全局字典方法、对纹理图像采用双稀疏字典);最后将去噪后的两部分图像进行合成。实验结果表明,相比于K-SVD学习型字典方法,论文算法在去噪效果和处理速度上均有所提高。

基于多结构元素形态滤波与自适应阈值分割相结合的红外弱小目标检测

针对低信噪比灰度图像中弱小目标检测的难题,分析了红外弱小目标成像的特点,提出了基于多结构元素形态滤波与自适应阈值分割相结合的目标检测算法.利用目标运动的连续性、规律性和噪音产生的随机性,结合数学形态学结构元素的特点,研究了一种多结构元素形态滤波的管道滤波方法,通过流水线管道检测目标运动轨迹.实验结果表明,该算法应用于复杂背景下低信噪比的红外弱小目标图像能够得到较理想的结果,并且目标检测概率高,速度快,虚警率低.

基于Memetic算法的超视距协同空战火力分配

针对超视距多机协同空战中,火力单元采用一次性完全分配原则容易造成资源浪费的问题,采用一种新的火力分配数学模型.该模型带有毁伤概率门限,能够保证在满足毁伤概率门限的前提下,优先保证威胁度大的目标被分配且选择对各目标杀伤概率相对较大的火力单元,使其对目标的毁伤概率平均值达到最大且尽量少地消耗火力单元,从而节省和充分利用火力资源.在此基础上,提出采用以离散粒子群算法为全局搜索策略,以贪婪算法为局部搜索策略的Memetics算法求解协同空战火力分配问题,有效地提高了算法收敛速度、精度.仿真算例验证了模型的优点及Memetic算法的有效性.

基于IMU与单目视觉融合的姿态测量方法

快速准确测量运动目标的姿态,在航天航空、机器人等领域应用广泛.针对惯性姿态测量速度快但精度不足而视觉姿态测量精度高但速度慢的特点,提出了一种基于IMU与单目视觉融合的姿态测量方法.IMU姿态测量时,使用欧拉角迭代公式解算运动目标的姿态;单目视觉姿态测量时,使用POSIT算法求解被测目标的姿态;再使用H?滤波器融合两者的测量结果;用融合结果与惯性测量结果的差值修正并更新漂移误差曲线.根据被测目标的两组匀速转动信息,提出了双矢量正交化标定法标定IMU坐标系到目标坐标系的旋转矩阵;根据单目视觉采集的3幅图像信息,提出了三图快速标定法标定靶标坐标系到目标坐标系的旋转矩阵.实验表明,提出的姿态测量方法能实现快速姿态测量,测量精度高.

基于概率群集的多战机协同空战决策算法

为解决多战机在无中心控制条件下的自主协同空战决策问题,提出了一种基于概率群集的分布式协同算法.以导弹为Agent构建协同分布式决策模型,并基于概率群集将离散的组合优化问题映射为概率分布空间上的一个凸优化问题;通过定义Agent的贡献度扩展概率群集架构.上述2种方法分别解决了模型中存在较大局部最优值区域和由于异构Agent间的非线性协同导致系统无法准确收敛的问题.实验结果表明,所提算法与传统算法相比具有更好的鲁棒性、可扩展性,收敛速度也有一定提高.

基于二维直分与斜分灰度熵的图像阈值选取

二维最大Shannon熵阈值选取方法仅依赖于图像二维直方图的概率信息,而没有直接考虑类内灰度的均匀性,为此本文提出了二维灰度熵的阈值选取方法.首先给出了灰度熵的定义及其一维阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度的均匀性;然后提出基于混沌粒子群优化的二维直分灰度熵阈值选取方法及其快速递推算法;最后导出了二维斜分灰度熵的阈值选取公式及其快速递推算法.实验表明,与基于粒子群优化的二维直分最大Shannon熵阈值选取方法、二维斜分最大Shannon熵阈值选取方法及二维斜分Otsu阈值选取方法相比,所提出方法的分割图像更能反映原始图像的边缘、纹理及细节信息.

基于改进的二维交叉熵及Tent映射PSO的阈值分割

最近提出的二维交叉熵阈值分割方法所依据的灰度级-平均灰度级直方图存在错分,且寻求最优阈值时,即使采用递推算法仍需遍历整个搜索空间,运行速度有待进一步提高。为此,本文给出改进的灰度级-梯度二维直方图,据此导出了相应的二维最小交叉熵阈值选取公式及其递推算法,并且采用改进Tent映射混沌粒子群优化(particle swarm optimization,PSO)算法搜寻二维最优阈值。大量实验及与现有二维交叉熵方法的对比表明,所提出的方法在计算最优阈值时尽可能考虑了所有目标点和背景点,从而使分割结果更加精确;而求取阈值因只需遍历其中小部分解空间,使运行时间约减少到原来的10%～40%。

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。

混合卡尔曼滤波的非均匀校正算法

提出了一种基于混合卡尔曼滤波的非均匀校正算法,可以用于解决参数漂移为非线性的问题.该方法首先根据给定状态空间模型的特点,使用无迹卡尔曼滤波技术和传统卡尔曼滤波技术分别处理非线性的状态转移模型和线性的观测模型,然后把估计结果用于非均匀校正.使用仿真的一维和二维数据验证算法性能,实验结果表明,所提算法扩展了传统卡尔曼滤波算法的使用范围,并且与扩展卡尔曼滤波算法相比,具有较高的稳定性和估计精度.

数字全变分滤波在红外图像序列非均匀校正中的应用

红外焦平面阵列上的空间非均匀性,即固定图案噪声,严重影响了红外系统的成像质量。为此提出了一种新的非均匀校正算法,它借鉴了图像处理中的图像去噪思想,把数字全变分滤波器引入非均匀校正。鉴于数字全变分滤波的执行过程一般都是自我迭代,而考虑到校正算法的实时性要求,无法对单帧图像实施多次处理。故而将以前的空间迭代形式转化为时间递推,以达到逐帧去除固定图案噪声的目的。使用仿真和真实红外图像序列对算法性能进行验证,实验结果表明:该算法从第15帧开始就能够达到较好的校正水平,并且在未优化条件下,每秒钟处理30帧图像仅需300M个指令周期。因此具有收敛速度快、计算复杂度低等优点。

基于特征匹配的摄像机位姿测量方法

针对传统视觉位姿测量方法依赖场景内目标的已知结构信息或者人为标记的问题,设计了一种基于特征匹配的相对位姿测量方法和系统,在进行相对位姿测量时无需知道场景内目标的先验信息,且有较高的测量精度。首先,使用双目相机对场景内目标进行序列图像采集,计算机采用AKAZE算法对图像进行特征提取。然后,采用改进的KNN与RANSAC算法对相邻图像进行特征匹配并剔除误匹配点,得到正确的匹配点对后,采用三角法测量和光束法平差优化获得特征点的三维坐标,利用三维坐标与二维图像特征向量建立三维特征点库。之后,位姿测量时先使用单目相机对场景目标进行图像采集,再对待测图像进行AKAZE特征提取,将得到的特征点与特征点库进行匹配,采用EP n P+Gauss-Newton方法求解出待测图像对应的相机位姿。实验中,利用高精度转台转动摄像机并拍摄多幅图像进行测量,结果表明,位姿测量系统在[-20°,20°]范围内最大测量误差不超过0.2°,可以满足应用需求。

正交条纹级次分区域预编码校正Gamma非线性方法

数字投影仪的非线性响应是近年来研究的热点问题,因为数字投影仪虽然能避免物理光栅投影的各种缺陷,但其自身的非线性直接影响了输出信息,是相位误差的主要来源,进而影响了测量精度。针对数字条纹投影三维测量中存在的Gamma非线性和不同区域Gamma值并不一致的问题,提出一种通过正交条纹级次分区域预编码校正Gamma非线性方法,通过正交条纹划分区域,对每个区域使用多项式拟合计算预编码值校正该区域条纹图像。使用该方法校正后相位误差减少了82.24%,适用于任意投影仪与相机之间的位置关系,只需要精细化计算一套分区域预编码系数并由此生成编码条纹图,即可满足该系统此后的测量需求,该方法灵活性强、精确度高。

基于混合特征重合区域预测的无标识点位姿测量

本文提出了一种结合三维点云测量技术与点云配准算法的无标识点位姿测量方案。针对传统点云配准算法对初始位置和噪声敏感,目标测量点云与参考点云部分重合以及密度差异大导致的异源点云配准精度低的问题,提出了一种基于混合特征重合区域预测的端到端位姿估计算法,即通过深度学习的方法实现点云配准。首先,设计点云混合特征编码模块,通过特征交互融合源点云与参考点云的特征,获得更丰富的特征表示。其次,基于混合特征设计参考点云重合掩码解码模块,保留参考点云中与源点云重合的所有重合点。最后,利用重合部分的点云特征回归两组点云的相对位姿参数,实现了目标的位姿测量。实验结果表明,该算法对异源点云配准具有较好的性能,能在保证鲁棒性的同时,显著提升点云配准精度。