主观Bayes方法与神经网络相结合的多传感器数据融合空间点目标识别方法

根据对空间弹道式目标及其伴随诱饵信息获取过程中存在的不确定性，将主观Ｂａｙｅｓ方法引入到空间点目标的识别中．为解决应用不精确推理方法所必需的知识和经验的前提问题，将神经网络的输出代替领域专家的知识和经验，并给出了将神经网络与主观Ｂａｙｅｓ方法结合起来的具体方法，进而提出一种多传感器数据融合识别空间复杂弹道式目标及其伴随诱饵的识别模型．实验仿真结果表明，大大改善了识别效果．     

卫星红外图像中单帧目标检测算法研究

在有复杂云层背景的卫星红外图像中准确地检测出存在的运动目标是目前图像处理的研究热点。DBT类的运动目标检测算法有单帧目标检测和多帧轨迹关联两大步骤。为更好抑制起伏背景和背景结构边缘,文章提出一种新的单帧内背景抑制算法——邻域最小差值滤波,该算法与典型的背景预测算法（中值滤波和高通线性模版滤波）相比具有更好效果;最后针对高斯噪声条件下,利用统计分割方法对抑制背景结果进行阈值分割得到候选目标,从而形成一套针对卫星红外图像的快速有效的单帧目标检测算法。     

摄动条件下空间目标天基光学跟踪方法研究

该文针对摄动条件下的空间目标天基光学监视跟踪问题,引入UT变换和混合坐标系,在直角坐标空间内采用UT变换完成目标运动状态预测和预测协方差计算并考虑摄动因素影响,在修正球坐标空间内实现状态滤波更新,提出混合坐标SPKF跟踪方法,可避免EKF线性截断误差影响并增强跟踪滤波稳定性。仿真结果表明,在密集采样和稀疏测量条件下该方法在收敛性和稳健性上均具有优势。     

一种基于信息决策树的低轨星座传感器调度方法

 针对低轨星座弹道目标连续跟踪传感器调度问题,提出了一种基于信息决策树最优搜索的调度方法.该方法首先将短时信息增量扩展到长时信息增量,然后建立信息决策树,并通过分支剔除搜索技术求解.仿真实验表明,本文所提方法有效克服了短时调度方法调度过于频繁且跟踪精度较低的问题,且决策树分支剔除技术的引入大大降低了长时信息增量最优搜索的运算量.     

无陀螺条件下的卫星姿态确定方法

针对典型的基于星敏感器/陀螺组合的卫星姿态确定方法不能解决没有陀螺或陀螺失效的条件下卫星姿态确定的问题,提出了无陀螺条件下的卫星姿态确定方法,并通过实验仿真验证了方法的有效性。该方法利用星敏感器测量信息与姿态动力学方程来进行姿态确定,选用修正罗德里格参数（MRPs）进行姿态描述,基于UT变换的Unscented卡尔曼滤波（UKF）算法来进行姿态滤波。     

一种基于多模型高斯逆Wishart PHD滤波器的空间邻近目标跟踪方法

将空间邻近目标(Closely Spaced Objects,CSOs)整体建模为扩展目标(Extended Target,ET),用随机矢量和随机矩阵分别描述CSOs质心运动和扩散状态,并采用高斯逆Wishart(Gaussian inverse Wishart,GIW)概率假设密度(Probability Hypothesis Density,PHD)滤波器实现杂波和漏检条件下CSOs的稳定跟踪.修正了原GIW-PHD滤波器量测模型和形状估计的缺陷,给出新的递推表达式,并在此基础上提出一种多(形变)模型GIW-PHD滤波器,以适应CSOs分裂和融合引起的形状变化.仿真结果表明,所提算法能够有效跟踪CSOs,状态估计比原GIW-PHD更加准确,对CSOs的变化更加敏感.     

结合跨尺度特征融合与瓶颈注意力模块的轻量型红外小目标检测网络

提出一种结合跨尺度特征融合与瓶颈注意力模块的轻量型单帧红外小目标检测网络。该网络在不引入额外神经元的前提下,直接在编码层和解码层之间进行高频多尺度特征交互,从而维持小目标在网络深层的响应幅值,实现小目标浅层空间结构特征与深层高级语义特征之间的交互融合。同时,该网络在编码器瓶颈处级联轻量型混合注意力模块,进一步增强目标特征在网络深层的响应幅值。实验结果表明,该网络能有效抑制复杂背景杂波,并以较低参数量实现红外小目标检测。     

过采样扫描探测性能对比分析

分析了单采样和过采样两种扫描探测体制的成像原理,并建立了扫描图像仿真模型.在不同云层杂波场景下从目标能量收集、背景杂波抑制和弱小目标检测三个方面对单采样和过采样扫描图像进行了对比分析.理论分析和仿真结果表明:过采样扫描探测体制更有利于收集目标能量,杂波抑制能力较优,对弱小目标的探测能力更强.     

锥扫型光学传感器像平面多目标轨迹跟踪

积分概率多假设跟踪(IPMHT)是一种基于期望极大化(EM)的准最优贝叶斯多目标迭代跟踪算法,研究了该算法在锥扫型光学传感器像平面多目标轨迹跟踪中的问题。为提高算法的跟踪性能和计算效率,利用逻辑概率数据关联滤波(PDAF)方法进行目标初始状态估计,并利用目标幅度信息和波门技术对IPMHT进行优化。针对锥扫型传感器非线性观测下的多目标跟踪,将扩展无味卡尔曼滤波(AUKF)与优化的IPMHT算法相结合,实现像平面多目标轨迹的起始、维持和终结。蒙特卡洛仿真实验表明,该算法成功地解决了锥扫型传感器的像平面多目标轨迹跟踪问题,在提高目标跟踪性能的同时改善了计算效率。     

采用马尔可夫自回归模型的红外杂波时空域融合抑制

背景杂波抑制是红外传感器目标探测的关键技术。针对序列红外图像,基于马尔可夫自回归模型建立统一的时空域表达式,据此进行背景杂波的时空域融合抑制。首先,利用改进的方向中值滤波实现背景杂波的空域初级抑制;其次,利用恒虚警初检测提取出残余的强杂波干扰点作为样本点集;最后,根据最小均方残差准则通过奇异值分解估算统一模型参数,进而对空域滤波结果进行自适应时空域融合抑制,进一步提高图像的信噪比。通过大量仿真实验对比了算法的抑制效能,并对抑制后的残差特性进行了详细分析。仿真结果表明:该算法相比维纳滤波、形态学滤波等方法具有更好的性能。