综合采集混凝土振捣施工过程多源异构信息, 进而及时、客观地分析振捣质量, 对于保障高拱坝坝体混凝土施工质量至关重要。针对高拱坝混凝土振捣施工信息以“空-地”感知技术为主, 存在信息感知不全和数据质量有待提高的问题, 建立空天地一体化的混凝土振捣施工信息智能感知体系, 实现混凝土浇筑过程中多源、多维度、多模态施工信息的立体感知。在此基础上, 针对数值型、视频流以及图像型信息, 分别提出基于Kalman滤波的全球导航卫星系统(GNSS)定位信息降噪方法、基于改进Faster R-CNN的视频信息解析方法和基于DeblurGAN-v2的表面图像去模糊方法。以杨房沟水电站为例, 应用所提空天地一体化感知方法与技术, 实现混凝土振捣质量智能分析与监控。

为了提高电致定向型红外靶标在挂载飞行过程中动态指向精度, 在硬件限制的位置信息更新频率难以提高的条件下, 提出了卡尔曼滤波算法对靶标的位置信息进行预测从而提升更新速率的解决方案, 利用全球定位系统和惯性导航系统的数据, 建立了基于飞行速度、姿态和位置信息采样频率等因素的动态指向误差模型, 并进行了理论分析和实验验证。结果表明, 对红外靶标系统在匀速直线飞行过程中将位置采样率由5 Hz提升至10 Hz时, 指向角误差减小了54.66%。此研究基于现有条件, 为减小定向辐射型红外靶标动态指向误差提供了一种有益的尝试。

气动参数辨识是检验飞行器的真实气动特性与设计值的匹配性的重要方法。研究分析基于理论计算的方法和基于增广的扩展卡尔曼滤波算法，通过实测数据，对比2 种辨识方法的估计结果，得到了扩展卡尔曼滤波法可以有效降低实测数据中的噪声影响，获取更加精确的估计结果的结论。同时结果证明实际辨识结果与设计值之间还存在一定误差，为后续修改设计气动参数值提供了依据。

针对复杂动态场景中粒子滤波算法跟踪目标时稳定性不高且易受背景噪声影响的特点，提出了改进的卡尔曼粒子滤波（KPF）目标跟踪算法。利用卡尔曼嵌入粒子滤波的方法对粒子滤波预测的状态值进行二次预测，并且利用二次采样技术增强粒子的丰富度，从而在一定程度上消除背景噪声的影响。同时为了满足卡尔曼滤波对线性运动的要求以及消除背景快速变化对跟踪精度的影响，采用灰度投影算法计算背景偏移从而进行运动补偿。实验结果表明，改进的卡尔曼粒子滤波跟踪算法在复杂动态场景中可以有效地跟踪运动目标，证明提出的KPF 算法精度高、稳健性强、实时性好。

贝叶斯网络用于态势估计时,系统参数不能及时调整,无法对未来时刻进行预测。为解决这一问题,对动态贝叶斯网络在战场态势评估中的应用进行了研究,引入时间因素,建立了网络模型,分析了概率参数与推理的过程,并利用卡尔曼滤波模型法对推理进行仿真实验。实验结果表明了动态模型推理的有效性。动态贝叶斯网络可以有效利用侦察数据中的时间信息,实时动态地处理影响分析和决策的种种因素,对指挥员的作战决策具有极大的参考价值。