一种实时多尺度目标检测识别算法

无人机目标检测与识别任务中,目标随着飞行高度的改变尺寸发生显著变化。常规目标检测模型中,获取的小目标细节信息有限,检测精度较低;而适用于小目标的实时检测模型往往容易丢失大目标的背景信息,降低大目标的检测精度。针对以上多尺度目标检测识别任务难点,提出一种基于改进特征金字塔网络(Feature Pyramid Network, FPN)结构的实时多尺度目标检测识别模型。该模型通过增加特征金字塔层级覆盖更广的目标尺度,获取更为丰富的目标信息;同时,利用跨连接增加不同尺度特征融合的多样性,降低特征传导距离,保留更加完整的尺度特征来提高模型检测识别多尺度目标的性能。通过实验发现,相比于原始网络结构和相同特征层级的四层特征金字塔结构,加入改进特征金字塔结构的多尺度目标检测模型识别性能得到了提升。     

一种多因素多模型选择的航迹关联算法

针对模糊综合判决中同一因素和合成运算模型无法适用于所有评价等级的问题,提出了一种基于多因素多模型选择的模糊综合决策航迹关联算法。该算法在多因素模糊综合决策的基础上,分析各因素的关联特性和合成运算模型在不同评价中的适用性,通过多因素定向选择和多元合成运算模型对关联隶属度进行计算,生成航迹关联结果。仿真实验表明,在密集目标环境下,该方法具有良好关联性能,平均正确关联率达到77.70%,比传统多因素模糊综合判决方法高3.86%。     

数据链信息连续引导雷达搜索策略

机外数据链信息引导雷达搜索目标是战斗机实现隐身战斗任务的重要技术手段。采用概率方法分别建立多拍连续数据链引导信息与累积发现概率、累积被检测概率之间的关系,通过动态规划方法建立多阶段动态决策模型,满足雷达探测性能的条件下,获得最优的雷达隐身性能。最后,在典型作战场景下对模型进行仿真验证,结果表明所提的最优搜索策略相比于经验搜索策略能减少雷达辐射时间67.5%,相比于模型保守策略减少83.75%。     

数据链网络信息融合的有中心无中心处理结构

针对数据链网络的发展趋势及应用需求,揭示了有中心无中心融合处理的基本原理,并对其处理流程与关键技术进行了深入分析,并提供了解决思路及仿真分析。在此基础上,结合机载信息融合的功能及应用,分析对比了有中心无中心融合处理结构的优缺点,并提出了适合当前数据链网络现状的融合处理方式建议,对网络化多平台信息系统的信息融合架构设计、方案选择具有重要参考意义。