随着多功能相控阵雷达不断发展, 其展现的多功能状态和自适应能力强的特性使得传统行为辨识方法无法适应现代战争需求。对此, 提出一种基于改进 D-S证据理论的雷达行为状态识别方法,该方法将空间运动状态和天线扫描方式作为辅助特征, 通过改进D-S证据理论将双链HMM估计结果进行融合, 得到最终识别结果。仿真实验结果表明, 所提方法能有效解决传统 D-S 证据理论不能处理的证据冲突问题, 且在雷达字提取准确率下降的情况下表现出更强的鲁棒性。

针对尺度多样化且目标密集的飞机遥感影像存在检测准确度较低和模型复杂不易部署的问题, 提出一种基于改进YOLOv4的遥感飞机目标检测模型。采用K-means++算法对目标样本进行锚定框优化, 提高先验框与目标异物的尺寸匹配度, 减少漏检率; 在损失函数中引入focal loss以降低简单负样本在训练过程中所占权重; 融合卷积核剪枝与层间剪枝对卷积核和批量归一化BN层进行稀疏训练, 简化网络结构并降低参数量。经实验, 改进后的YOLOv4异物检测算法在UCAS-AOD和RSOD公共遥感数据集上mAP达到92.23%, 检测速度提高至130.24 帧/s, 有利于实际工业场景中遥感影像飞机目标的快速检测。

为提高复杂环境下多机器人协同搜索的覆盖效率及适应性, 提出一种多机器人协同覆盖搜索路径规划策略。首先, 在目标区域中利用协同进化粒子群优化(CCPSO2)算法进行传感器位置部署; 其次, 利用改进的K-means方法对传感器部署点进行聚类, 实现有效的任务区域划分; 最后, 以部署的传感器位置为路径点求解旅行商问题(TSP), 获取每个机器人的封闭路径, 从而实现协同覆盖搜索。实验结果表明, 所提算法能够在保证良好避障和覆盖周期最小化的同时, 为每个机器人获得更均匀的覆盖路径, 实现多机器人的有效协同覆盖搜索, 且能够有效适应外部复杂环境, 具有良好的鲁棒性。

针对无人机航拍图像中存在目标尺寸小、数量多和背景复杂等问题, 提出了一种基于改进YOLOv4-tiny的无人机航拍目标检测算法。该算法在原有网络的基础上扩大了检测尺度范围, 提高对不同尺寸目标的匹配程度, 并利用深层语义信息自下而上地与浅层语义信息进行融合以丰富小目标的特征信息。同时引入注意力机制模块, 在主干网络后的每个尺度上进行感兴趣区域特征信息的二次筛选, 过滤冗余特征信息, 保留重要特征信息。在无人机航拍数据集上进行对比实验, 实验结果表明, 所提算法在满足实时性的基础上, 平均精确率比原网络提高了5.09%, 具有较好的综合性能。

速度闭环回路被广泛应用于光电跟踪系统的转台电机的驱动控制。良好的电机速度闭环响应特性可以有效提高光电系统对目标的跟踪精度。转台电机是通过逆变放大器输出的脉宽调制(PWM)电压进行驱动的。随着光电跟踪系统的性能要求和电磁兼容性需求的不断提高, 必须使用逆变器输出滤波器对PWM驱动电压所造成的电磁噪声干扰进行抑制。传统上, 滤波器的设计方法是通过提高其插入损耗加强对电磁噪声的抑制, 但对滤波器给电机控制造成的影响分析不足。针对该问题, 深入研究了具有代表性的LC滤波器对电机速度闭环控制的影响。建立了存在滤波器时的电机被控对象特性模型, 并分析了其传递函数特性。提出了一种在不降低LC滤波器插入损耗的前提下, 减小其对速度闭环控制影响的滤波器设计方法, 并通过光电吊舱的速度闭环控制实验证明了所提方法的有效性。

OFDM信号是雷达通信一体化系统常用的发射波形之一。分析比较了两种不同序列的OFDM信号(ZC序列和Oppermann序列)的特性, 分别从自相关、峰均比、模糊函数和多普勒容限等方面, 分析对比了两种波形的性能。理论分析和仿真实验表明, ZC序列和Oppermann序列的自相关都具有集中的主瓣, 但ZC序列的自相关旁瓣高于Oppermann序列;ZC序列的峰均比优于Oppermann序列;ZC-OFDM信号和Oppermann-OFDM信号具有相同的呈“斜刀刃”型的模糊函数;ZC-OFDM信号的多普勒容限好于Oppermann-OFDM信号。因此, ZC-OFDM信号比Oppermann-OFDM信号具有更优的雷达探测性能。

针对传统基于特征提取(FB)的信号调制识别算法所存在的识别准确率低、特征提取难度大以及算法泛化性能差等问题, 结合卷积神经网络(CNN)和多尺度金字塔池化(MSPP)提出一种基于MSPP-CNN的信号自动调制识别(AMR)算法。在所提出的算法中, 使用多尺度金字塔池化提高模型对不同调制信号的非线性特征提取能力, 使模型具有更强的特征表达和泛化性能; 在CNN模型的构建过程中, 使用不同的卷积、池化以及激活方法对模型进行最优化验证, 从而保证模型结构以及参数的合理性。实验结果显示, 所提算法在信噪比为-18 dB, 0 dB, 18 dB时的识别准确率分别达到56%,62.98%,92.04%;与其他传统特征提取算法以及CNN算法的大量对比试验, 证明了所提算法的有效性和高识别准确率。

针对综合模块化航电(IMA)架构双层调度中的资源分配问题, 提出一种基于混沌Logistic映射自适应NSGA-Ⅱ算法的双层资源分配方法。首先, 根据IMA架构任务调度及分区调度要求, 同时考虑资源分配均衡性因素, 分别构建分区资源分配模型和节点资源分配模型; 其次, 采用改进NSGA-Ⅱ算法对模型进行优化求解, 引入混沌Logistic映射生成初始种群, 提升初始种群的遍历性, 并采用自适应交叉、变异算子增强算法的搜索性能和收敛速度; 最后, 选取不同规模的算例进行实验, 结果表明, 所提方法能够有效解决IMA架构的资源分配问题, 提升分配效率并优化分配结果。

针对一类具有死区输入的非线性时滞系统, 提出了一种基于新型动态面的自适应渐近跟踪控制算法。首先, 构造一个具有正时变积分函数的非线性滤波器, 不同于传统的低阶线性滤波器, 其不仅能规避“微分爆炸”问题, 降低计算负担, 还可以有效地补偿边界层误差;其次, 利用径向基神经网络和新的不等式可以很好地解决未知非线性时滞项。最后, 在线估计神经网络误差及死区未知参数。理论分析表明,闭环系统所有信号半全局一致有界, 且跟踪误差收敛到零。数值仿真验证了控制算法的有效性。

相位编码是脉冲压缩雷达的一种典型脉冲调制形式, 相位编码脉冲压缩雷达干扰是电子战领域的研究热点。针对传统噪声干扰对抗相位编码脉冲压缩雷达的不足, 提出了一种对抗相位编码脉冲压缩雷达的多相重构干扰调制技术, 将侦察获得的雷达信号样本分成若干子段, 重构产生相干干扰信号。该干扰信号可以获得雷达信号的相干处理增益, 干扰功率利用率高。仿真结果表明: 该技术可以根据雷达工作模式进行干扰调制, 产生预期的干扰信号波形, 具有较好的干扰效果。

针对水下图像受介质散射和吸收的影响所出现的颜色失真、对比度低和细节模糊等问题, 提出水下图像增强的暗通道先验改进算法。采用白平衡处理对水下图像的蓝(绿)色偏进行颜色校正, 进而在LAB空间对图像L分量进行同态滤波处理, 从而获得暗部细节提亮的图像。在RGB空间对图像分别进行CLAHE处理增强图像对比度, 解决图像雾化问题, MSRCR处理提高图像色彩饱和度并均衡图像亮度。根据暗通道先验图像计算融合权重系数对所得到的3幅图像进行加权融合与细节增强, 得到最终增强图像。实验结果表明, 所提算法能够有效消除图像颜色失真情况, 增强的图像呈现出高对比度和更清晰的细节。

对视觉领域中全景视觉的不断研究表明, 采用鱼眼镜头获取的图像序列所研究的运动目标检测准确率低, 受到噪声干扰时鲁棒性不高, 针对该问题提出一种基于全景视觉的运动目标检测改进方法。该方法首先采用五帧差分法对图像进行处理, 利用相邻5帧之间进行差分来完成前景与背景的分离, 有效地减少目标空洞问题; 然后在混合高斯模型中提高自适应学习率和更新高斯分布数量, 有效克服了检测中出现的重影现象; 最后通过形态学处理, 得到目标检测结果。实验结果表明, 改进的方法提供了比传统的全景图像运动目标检测更可靠的检测结果, 目标检测率较高。

在现代的**作战中, 有人/无人机协同空战的研究发展对于战场态势的掌控和作战能力的提升都有着至关重要的影响。针对有人/无人机协同空战的问题, 利用元模型高层次抽象的建模方法, 在分析有人/无人机协同空战体系架构和运用机理的基础上, 从作战概念、控制过程和作战任务活动等3个角度入手, 通过建立作战概念、控制过程和作战流程元模型来研究分析具体的使命任务构想设计, 从作战执行模式与作战交互优化两方面来深刻完善作战体系架构设计, 深入研究分析有人/无人机协同空战的作战运用模式, 为设计构建有人/无人机协同空战体系提供参考。

随着无人机的快速发展与应用, 无人机的普及也对公共安全、**安全和个人隐私等造成了一定的安全隐患。无人机具有飞行速度快、体积小等特点, 如何精准快速地发现并定位无人机位置具有一定的挑战。针对此问题, 提出了一种基于沙漏瓶颈模块的YOLOv3无人机实时检测算法。首先, 将原本3个特征尺度检测扩展为在5个特征尺度上进行检测, 充分利用多尺度信息帮助提升小目标检测精度; 然后, 堆叠沙漏瓶颈模块作为该方法的骨干网络部分, 沙漏瓶颈模块作为一种轻量化网络对模型进行加速, 并使用通道注意力机制在上采样之后的拼接部分关注更重要的通道信息, 抑制不利的信息。为了验证所提算法的有效性, 生成基于复杂城市背景下的无人机数据集, 实验结果表明, 所提算法的精度能够达到98.92%, 且具有98.76%的召回率, 在1080Ti上达到62.37 帧/s的实时速度, 模型权重大小仅为5.38 MiB, 为进一步在嵌入式平台和移动端实现实时目标检测提供了可能。

为了适应下一代6G网络对光纤传输系统大容量、高速率和低时延的要求, 以石英光纤为传输介质, 利用人工蜂群算法设计了二阶多泵浦拉曼光纤放大器。采用龙格-库塔法和打靶法求解二阶多泵浦拉曼光纤放大器的功率耦合波方程, 再通过人工蜂群算法对4个泵浦光的不同排列结构进行优化分析。通过Matlab仿真, 从14种双向泵浦结构中, 得到了性能最优的双向泵浦结构FFBF, 该结构在100 nm带宽范围内的平均增益高达24.8 dB, 增益平坦度仅为0.78 dB, 为6G网络的拉曼光纤放大器的设计和优化提供了参考。

研究了网络攻击下具有不确定性多智能体系统动态事件触发一致性问题。传统的事件触发机制无法通过改变触发规则来有效地节约网络资源。通过引入动态事件触发机制, 利用该机制的动态变量使设计的事件触发条件可以根据系统的运行状态进行动态调整, 从而降低控制更新的频率。在时延控制输入、网络攻击及动态事件触发下, 建立了闭环控制系统的数学模型。根据Lyapunov稳定性理论和线性矩阵不等式理论, 证明了动态事件触发控制下多智能体系统的一致性。最后, 通过仿真验证了该方法的可行性和有效性。

无人机目标检测可用于反制无人机的场景, 为了便于算法在嵌入式设备部署通常需要采用轻量的模型。YOLOv4目标检测算法的轻量化版本YOLOv4-tiny具有较快的检测速度, 然而其网络结构较为简单, 检测精度偏低。为了进一步提升模型的检测精度, 提出了YOLO-L2模型。选用YOLOv4-tiny的主干网络进行特征提取, 并采用基于协调注意力机制的路径聚合网络对特征进行融合, 融合过程中使用一组可学习的系数进行加权; 在最深的特征层嵌入一个级联残差模块ResBlock-L2用来增大感受野并融合不同感受野特征; 最后提出了边框损失函数MEIoU来替换CIoU。改进后的算法检测效果更精准, 相比于YOLOv4-tiny, 在VOC数据集和自制的UAV-L数据集中mAP分别提高了3.19 %和3.95 %, 并且满足实时性的要求。

针对现有噪声图像分类效率低的问题, 提出一种改进的Darknet噪声图像分类算法。去掉Darknet网络输出部分的1×1卷积层, 将第19层卷积核数量改为4, 在网络最后加上Softmax层, 实现网络分类功能。在网络passthrough层和第6~8层后分别引入Dropout层, 在卷积层中引入L2正则化来避免网络过拟合。将网络第10层和第11层, 第12层和第13层, 第15层和第16层, 第17层和第18层改为4个残差块, 解决反向传播权值更新时梯度消失问题。从CIFAR-10数据集上取20 000张图片, 经128×128尺寸变换后分别添加高斯噪声、泊松噪声、盐噪声和斑点噪声, 对每张图片依类别进行One-hot编码, 最后将图片和标签制作成训练集、验证集和测试集。4种算法实验结果对比表明, 改进的Darknet网络对彩色噪声图像分类准确率可达0.904, 远高于其他3种算法分类准确率。

针对雾天遥感图像目标检测困难的问题, 提出了一种基于Mask R-CNN的改进方法。在Mask R-CNN的基础上加入去雾算法, 使雾天情形下检测精度提升18.71%, 有效改善雾天场景下目标检测的效果。为进一步提高遥感图像中多尺度目标的检测精度, 采用基于最优的特征组合的循环神经网络代替特征金字塔结构, 减少了特征信息在传递过程中的流失; 重新设计区域建议网络生成候选框的尺寸, 并采用Soft-NMS筛选候选框, 减小候选框的回归误差。经过实验分析, 改进后算法的检测精度和召回率分别提升5.37%和6.37%。

针对格雷码相移条纹投影三维测量中相位展开易出现跳跃错误的问题, 提出一种连续相位自适应补偿方法。该方法基于双目结构光三维测量系统, 采用相移法结合正反格雷码的方法得到待测物体的连续相位图, 在连续相位图上搜寻错误像素点, 最后利用改进的自适应中值滤波方法来补偿相位展开出现的跳跃错误像素点以及噪声和阴影生成的无效像素点。实验结果表明:连续相位自适应补偿方法相对于传统格雷码相移法以及在连续相位图使用固定值中值滤波方法能够补偿连续相位图中大部分的错误像素点,并尽可能地保留待测物体的细节, 提高了三维形貌测量的稳定性和精度。

针对具有外界非匹配扰动的严格反馈非线性系统, 研究了固定时间控制问题。基于反演策略和Lyapunov稳定性理论, 给出使全局固定时间稳定的新型扰动观测器和控制器的设计步骤。为避免传统固定时间反演控制算法因虚拟控制律反复微分导致的奇异问题, 设计了一种不含分数次幂项的光滑反演控制器。在设计中将扰动估计值补偿到标称控制器中, 实现了外界扰动下控制目标的高精度、固定时间稳定, 并保证闭环系统中的信号在固定时间内收敛至稳定界内。最后对比仿真验证了控制算法的有效性。