针对扰动会对航空成像系统像旋补偿伺服机构跟踪精度产生影响的问题, 提出一种改进型复合控制算法。首先, 针对等效扰动, 提出一种基于有限时间双曲正弦跟踪微分器(FSTD), 用来构造改进非线性干扰观测器(NDO), 使系统对参数摄动不敏感且对扰动估计更加精确; 其次, 为了提升系统的跟踪精度, 结合变速趋近律的思想设计新型高阶滑模控制器(N-HSMC), 保证系统快速性的同时还能有效削弱抖振; 最后, 通过仿真对比验证了所提算法的有效性。

针对具有未知领导者控制输入的双积分形式的二阶多智能体系统的有限时间分布式协同控制问题进行了研究。首先, 为了快速、准确地估计领导者的控制输入信息, 提出了一种新的基于双曲正切函数的有限时间跟踪微分器, 并引入终端吸引子函数来消除抖振。其次, 设计了一种基于含减速点的新型变速趋近律的有限时间跟踪控制律, 系统在远离减速点时具有较快的收敛速度, 在靠近减速点时能有效削弱抖振。在此控制律的作用下, 跟随者利用所获得的控制输入信息, 可以更好地实现对领导者的速度和位置跟踪。最后, 仿真结果验证了所提算法的有效性。

传统无监督域自适应行人重识别算法，抑制伪标签噪声效果差、域间泛化能力弱。针对这些问题，提出了一种基于软伪标签和多尺度特征融合的无监督域自适应行人重识别算法。为抑制伪标签噪声，利用并行网络的预测值作为软标签，通过交叉校对方式对伪标签噪声进行纠偏，为无监督域自适应任务提供更鲁棒的软伪标签。为增强域间泛化能力，利用多尺度特征重构和哈达玛积特征融合方法对深浅特征层信息进行处理，实现源域数据到目标域的风格转换，并结合实例和批量归一化网络解决残差网络域自适应性差的问题，增强网络对源域和目标域的泛化能力。实验结果表明，所提算法在Market-to-Duke和Duke-to-Market无监督域自适应任务中都取得了较好的性能，明显优于相关算法。

针对目标跟踪序列背景复杂、目标大尺度变化等导致目标辨识难度大的问题，提出了基于特征优选模型的Siamese网络目标跟踪算法。首先构建深度网络，有效地提取深度语义信息。再利用沙漏网络对多尺度下的特征图进行全局特征编码，将编码后的特征归一化处理，获取有效目标特征。最后构建特征优选模型，将解码获取的特征作为选择器甄别原特征图的有效特征并增强。为了进一步提高模型的泛化能力，引入注意力机制，对目标特征自适应加权，使其适应场景变化。最终提出算法在OTB100标准跟踪数据集测试成功率达到0.648，预测精度达到0.853，实时性为59.5 frame/s；在VOT2018标准跟踪数据集测试精度为0.536，期望平均覆盖率为0.192，实时性为44.3 frame/s，证明了该算法的有效性

针对遥感图像背景复杂、飞机目标尺寸变化大的问题，提出了基于平滑标签和多路聚合网络的遥感飞机检测方法。考虑到遥感图像中飞机目标辨识难度大，利用联合注意力机制捕获目标区域，缩小搜索范围。再使用改进的路径聚合网络提取主干网络中的4个特征层，可以有效提取浅层特征信息，将各层特征归一化后进行融合，预测目标的位置。为了避免训练模型过度依赖预测标签，造成过拟合，在网络中使用平滑标签技术，减小类内距离，有效提高训练模型的泛化能力。通过在两个公开数据集RSOD和HRRSD上进行大量实验，验证了提出方法的有效性。实验结果表明在RSOD数据集中，提出方法的平均精确率为0.967，在HRRSD数据集中平均精确率为0.993，与相关算法对比，检测精度有明显提升。

在行人重识别任务中存在数据集标注难度大，样本量少，特征提取后细节特征缺失等问题。针对以上问题提出深度双重注意力的生成与判别联合学习的行人重识别。首先，构建联合学习框架，将判别模块嵌入生成模块，实现图像生成和判别端到端的训练，及时将生成图像反馈给判别模块，同时优化生成模块与判别模块。其次，通过相邻的通道注意力模块间连接和相邻空间注意力模块间连接，融合所有通道特征和空间特征，构建深度双重注意力模块，将其嵌入教师模型，使模型能更好地提取行人细节身份特征，提高模型识别能力。实验结果表明，该算法在Market-1501和DukeMTMC-ReID数据集上具有较好的鲁棒性、判别性。

针对扰动对稳定平台跟踪精度的影响, 提出了一种新型复合滑模控制算法。首先, 针对等效干扰, 使用鲁棒H∞混合灵敏度控制设计鲁棒干扰观测器(RDOB), 有效地优化了干扰观测器的滤波器, 对等效干扰实现了快速精确的估计与补偿, 改善了系统的抗干扰能力; 其次, 为了提高系统的跟踪精度, 结合有限时间理论, 设计了新型的滑模控制器(NSMC),Lyapunov函数证明了系统在有限时间内收敛。仿真结果证明了控制策略的有效性。

基于先验框设计(anchor-based)的多类目标检测算法存在超参数多、泛化能力差、正负样本不平衡的问题。针对这些问题,提出一种基于改进无锚(anchor-free)方法的目标检测算法。首先,针对传统算法在多类目标检测任务中难以获得鲁棒的特征表达的问题,构建基于上下文结合的自校准双重注意力模块,通过混合空洞卷积组获取多感受野信息;然后以低维空间嵌入的方式进行自校准获取上下文空间信息;最后将空间信息与通道信息结合,增强算法特征表达能力。针对在多类目标检测任务中由于目标尺度变化大、外观不规则而易引入背景噪声的问题,利用改进的可变卷积,对目标进行自适应采样。在目标检测数据集MSCOCO上的实验结果表明,所提算法能有效提升目标检测精度,优于对比检测算法。

针对带有干扰且速度不可测的领导-跟随二阶MAS, 研究了有限时间一致性跟踪控制问题。首先, 针对速度不可测和干扰问题, 分别设计了有限时间超螺旋观测器和滑模干扰观测器, 对干扰进行了快速估计和补偿; 其次, 结合观测速度, 设计了有限时间快速反正切跟踪微分器, 快速估计了领导者的控制输入信息; 然后, 设计了基于积分滑模的有限时间跟踪控制器, 有效地提高了系统的响应速度和跟踪精度, 同时提高了系统的抗干扰性能和鲁棒性; 最后, 通过数值仿真证明了控制算法的有效性。