基于对比度的双波段被动红外测距

建立了基于双波段对比度观测的被动测距算法.应用瞬时视场概念结合美国海军红外辐射传输模型描述大气透过率造成的衰减,在3.4～5μm,8～12μm波段上得到了目标对比度与探测距离的关系式.分析表明在相邻两个探测距离上可得到4个形如lnx bx c=0的超越方程.通过求解该超越方程组,即可获得相应的目标距离.最后,给出了本文算法的理论误差曲线,分析表明该测距误差小于对比度的测量误差,适用于工作在海域的对比度受限系统对点目标的距离估计.     

红外双波段单站被动测距算法研究

建立了基于美国海军红外传输模型的双波段单站被动测距算法。在若干相连观测时刻,远处目标被假定为具有恒定辐射强度的点源,结合美国海军模型在3.4～5 μm、8～12 μm波段上,得到了目标辐照度与探测距离的关系式。分析表明,在相邻两个探测距离上可得到四个形如lnx+bx+c=0的超越方程,通过求解即可获得相应的目标距离。给出了黄海、东中国海区的美国海军红外辐射传输模型的全部系数。最后,给出了文中算法的理论误差曲线,分析表明该测距误差小于辐照度的测量误差。     

基于运动学的机载红外被动测距算法研究

建立了基于运动学模型的机载红外被动测距算法.在算法中,根据目标的方位和俯仰角度信息,利用状态预测滤波的方法来测量目标的距离,并结合卡尔曼滤波技术降低测距的误差.仿真分析表明:当机动时间达到20 s的时候测距误差基本能控制在10%左右,随着机动时间的增加,误差变化率趋于稳定.该算法适用于机载红外搜索/跟踪系统对空中目标的被动测距.     

单站双波段红外被动测距算法研究

空中目标的红外辐射在大气中传输时,大气以及大气中的气溶胶会对红外辐射产生吸收和散射,从而造成红外辐射的衰减.波长不同,大气对其产生的衰减也不同,从而导致红外探测系统接收的目标辐射信号不同.通过对所接收的双波段目标辐射信号进行分析,推导了简单的被动测距算法,并对算法分析得出:此算法模型距离估算的难点在于目标辐射强度J准确值的获得.为此文中改进了测距算法,推导了不再包含目标辐射强度J的距离新算法,从而简化了距离估算.     

基于红外辐射特性的单波段红外图像被动测距

以单波段红外图像被动测距为研究背景,首先分析了凝视型红外探测系统的工作原理,将其工作过程分为入瞳前和入瞳后两个不同的阶段,其中第一阶段与目标距离相关,而第二阶段则决定于红外探测系统本身的传递函数,而后对图像像素灰度与入瞳处辐亮度之间的关系进行了表述;然后针对点目标与面目标的成像特点,分别计算了相应的目标与背景的入瞳处幅亮度差,得出:两者的红外辐射特性存在一致性.基于短时间内目标近似匀速运动的假设,推导了单波段红外图像被动测距方法.最后利用外场实测中长波红外图像对该算法进行了验证,并对测距结果和测距误差进行了详细分析.     

基于红外图像的被动测距方法

根据红外成像导引头截取时序红外图像的特点,提出了一种跟踪红外运动图像序列中目标的稳定特征点,利用成像所得特征部分尺寸得到距离信息的被动测距方法。基于红外图像特征点难以提取的特点,在分析典型飞机红外图像的基础上,采用局部自适应插值算法提高图像分辨率,并对飞机图像及尾焰进行双阈值分割。跟踪过程中选择机头部位作为特征点的提取部位,通过分析导引头投影成像模型得到弹目距离估计量,并根据跟踪成像特点对估计结果做了进一步修正。实验结果证明了该方法的可行性和有效性。     

无需消光系数的单波段红外被动测距

提出了一种新的单波段红外传感器的被动测距方法。通过研究相邻采样时刻目标辐射强度的关系,建立了小采样间隔内目标辐射强度之比与目标距离比及大气消光系数的关系式。在此基础上,通过采用切比雪夫拟合,在一个宽的气象条件下消除了大气消光系数的影响,使得能够直接用辐射强度之比估算目标距离比。最后,在可以实现的特别设定的坐标系中实现了目标被动距离估计的仿真研究。仿真试验表明,这种方法能够满足实际应用的要求。     

基于面积的弹载红外成像被动测距

近年来红外成像导引头发展迅猛,红外成像制导引信一体化技术在空空导弹上的应用也成为研究的热点.但是,按被动方式工作的红外成像探测器不能直接提供目标的距离,限制了引战配合效率的提高,因此,必须对弹目距离做出较准确的估算.通过分析红外辐射传输过程,定量计算了云团对红外辐射衰减的影响,指出了基于红外图像灰度进行被动测距的使用条件;针对红外图像中目标面积相对于特征线度容易提取的特点,提出了一种基于面积的被动测距算法,根据面积变化关系估算距离并预测接近速度,当面积突变使估算距离不可信时.由上次接近速度预测值进行距离估算.仿真结果表明:可信度概念的引入,能有效避免目标转向机动时带来的测距误差,提高测距精度.     

红外警戒系统的被动测距方法研究

针对红外警戒系统进行目标威胁判断所需要的实时目标距离，研究了对单波段系统应用统计理论和最小二乘法的双站定位被动测距方法，并提出和分析了用于双波段系统的动态单站实时被动测距方法，为系统的被动测距技术的深入研究和工程应用，提供了有价值的理论基础。     

地面目标的红外被动测距研究

讨论了地面目标与背景红外辐射在大气中的传输情况,基于红外探测系统测出的目标与背景的辐照度差,提出了一种新的被动测距方法．利用该方法,得到了测距公式和测距的距离分辨率公式．计算了不同天气情况下,目标与背景的辐照度差与距离以及距离分辨率与距离之间的关系．计算结果表明,该方法可用于对地面目标的被动测距．     

基于改进型Elman网络的TVS电磁脉冲效应仿真

针对传输线脉冲(Transmission Line Pulse,TLP)测试方法实施过程工作量较大、实验结果与实测数据吻合较差的问题,提出一种基于改进型Elman神经网络的电磁脉冲(Electromagnetic Pulse,EMP)响应建模方法。在TLP方法基础上增设机器模型静电放电和人体金属模型静电放电2类电磁脉冲,利用隐含层神经元数目为10的改进型Elman神经网络对NUP2105L型瞬态抑制二极管(Transient Voltage Suppressor,TVS)的实验数据进行建模,并预测不同脉冲条件下TVS的响应。仿真结果表明,该方法建模精度高、泛化能力强,能够定量判断TVS性能,满足电路快速选件需要。     

基于Elman神经网络的故障诊断器研究

针对BP神经网络易存在局部最小,收敛速度较慢的缺点,研究设计了一种基于Elman神经网络的敝障诊断器,建立了E1man神经网络及基于该网络的故障诊断器结构模型;利用某实际电路测试数据,训练并检测该故障诊断器的效能,试验结果表明该故障诊断器有较高的准确性和可靠性,具有工程使用价值。     

Elman神经网络在红外小目标检测中的应用

介绍了Elman神经网络的基本原理及红外小目标检测的特点。利用Elman神经网络对红外图像进行背景估计,然后通过背景对消原理消去背景噪声,从而检测到潜在的小目标。运用Matlab7.0的神经网络工具箱进行了编程实验,编程仿真结果表明,该方法对红外小目标能取得较好的检测效果.     

改进Elman神经网络在火控系统故障诊断中的应用

针对某型战机航空火控系统故障诊断方法对维修人员、检测设备依赖性大、故障诊断时间长等弊端,选用了对非线性对象有较好的控制及扰动消除效果的Elman神经网络方法,并将其应用于火控系统的故障诊断,为了提高网络性能,对Elman网络进行了相应的改进,在结构单元增加了自反馈增益因子α,并建立了基于Elman神经网络的火控系统故障诊断模型,通过一定的故障样本进行了训练和测试,结果证明该方法能有效地识别出故障原因,故障诊断准确率较高,有较强的鲁棒性.     

基于Elman神经网络的电力负荷预测模型研究

为提高电力负荷预测精度,文章采用Elman神经网络建立模型,提出了一种基于Elman神经网络的电力负荷预测方法,采用自适应学习速率动量梯度下降反向传播算法进行网络训练,对乌鲁木齐电网的实际历史数据进行了仿真,仿真结果表明,Elman神经网络对电力负荷进行预测具有收敛速度快,预测精度高的优点。     

基于PLS的Elman神经网络算法研究

针对特征变量多的小样本,结合偏最小二乘(Partial Least Squares,PLS)法则原理与Elman神经网络结构性质,提出基于PLS的Elman神经网络算法(PLS-Elman).新算法通过PLS对高维小样本进行特征降维时,顾及了与因变量的相关程度,所得到的数据进行网络训练和仿真,明显的简化了网络结构,且可得较精确的网络模型.通过实例分析,结果表明新算法提高了网络的收敛速度、预测的精准率,证明新算法提高网络处理问题的效率.同时为便于验证新算法的有效性,与基于主成分分析(Principal Component Analys,PCA)的Elman神经网络算法(PCA-Elman)进行了比较,PLS-Elman算法有明显的优越性.     

以太网无源光网络中的时间标签法测距

基于千兆以太网的无源光网络将千兆以太网与无源光纤接入的优势相结合,实现低成本的高速、远距离接入。针对EPON系统上行链路多个ONU共享带宽的树型拓扑结构,为实现EPON系统上行TDMA接入,提出了时间标签法测距方案,论述了方案的可行性并指出其优点。     

基于Elman神经网络的模拟电路故障诊断研究

针对模拟电路的软故障,文中提出了一种基于改进Elman神经网络与提高特征向量有效性相结合的诊断方法。该方法对不同情况下的输出信号进行3次小波分析,形成8维的特征向量,再与改进的Elman神经网络结合进行分类与诊断。将改进Elman神经网络应用于非线性模拟电路故障诊断中可提高其诊断率与分类率。文中对其诊断方法进行了实验对比测试,结果表明,该方法提高了诊断性能,其诊断率与分类率分别为92.5%和83%。     

基于RBF神经网络的被动声定位算法研究

提出了基于RBF神经网络的被动声定位算法.该算法根据TDOA定位原理,以四元十字阵作为定位模型,利用RBF神经网络较快的学习特性和逼近任意非线性映像的能力,实现对声源的快速准确定位,并与WLS算法、Chan算法、Taylor算法作对比分析.仿真结果表明,该算法定位精度高,鲁棒性好,性能优于其他算法.