一种通用型的目标数据仿真

给出了一种通用型的雷达目标模拟器 ,它能够方便直观的产生各种特征的三维目标轨迹 ,可实时离散出目标点迹 ,为雷达数据处理及精度分析提供数据来源。目标轨迹由一组特征点定义 ,修改方便 ,应用灵活     

基于 FPGA 的图像目标提取系统设计

为了获取感兴趣区域的图像并减小图像传输压力,设计了一套基于FPGA结合SDRAM的图像目标提取系统。首先由FPGA驱动LUPA4000图像探测器工作输出图像,然后将整帧图像乒乓存入SDRAM中,同时将图像送入FPGA,应用目标提取算法获取感兴趣区域的坐标,最后结合坐标信息读取SDRAM中的目标图像进行存储与显示。实验结果表明,LUPA4000以15 f/s(帧/秒)输出图像时,系统能够完成对目标图像的提取。整个系统性能稳定可靠、实时性强,具有较好的通用性。     

薄壁玻璃靶丸低温保气性能研究

 对薄壁玻璃靶丸在液氮保存状态下保气性能进行了研究。实验结果表明：在－196℃环境中,薄壁靶丸的保气半寿命由常温的3~10d延长到100~500d左右,靶丸的表面粗糙度没有明显变化,能满足ICF打靶要求。     

惯性约束聚变靶场激光束精密调焦及诊断技术

主要介绍了惯性约束聚变靶场精密调焦和诊断的实验系统,阐述了系统采用的谐波驱动器、调焦判据、图象处理等关键技术,实验中通过计算机控制采集到一系列轴向位移和相应焦斑面积的数据,可拟合出位移面积的函数变化曲线, 根据此曲线便可快速准确地确定焦面位置。     

ICF靶丸氘氚总量非破坏性荧光测量法

介绍了惯性约束聚变（ICF）研究中,氘氚（DT）气体燃料靶丸中的氚总量监测新方法—可见光荧光法。该方法是一种非破坏性测量技术,不但适用于直接驱动的内爆靶丸,而且也适用于间接驱动方式下的各种空腔靶现场监测。给出了1992年“神光”装置内爆靶丸的现场监测结果,并给出了该方法用于绝对测量时需考虑的因素以及刻度因子,特别是讨论了未来发展高灵敏度荧光底片或探测器的必要性。     

深度特征联合表征的红外图像目标识别方法

针对红外图像目标识别问题,提出了联合卷积神经网络和联合稀疏表示的方法。卷积神经网络学习红外目标图像的深度特征,描述目标的多层次特性。不同深度特征可实现对目标不同特性的描述,因此具有良好的互补性。综合运用多层次深度特征,可为目标识别提供更为充分的信息。分类过程中,采用联合稀疏表示对待识别样本的多层次深度特征矢量进行表征,通过不同特征矢量之间的相关性约束提升整体表示精度。因此,联合稀疏表示在利用各层次深度特征的同时,充分考察了它们之间的内在关联。根据联合稀疏表示的输出结果,按照误差最小的原则判定输入样本的目标类别。实验基于中波红外（ MWIR）目标图像数据集开展,分别在原始测试样本、噪声测试样本以及少量训练样本3类条件下对提出方法进行了测试,并与4类现有红外目标识别方法进行了对比分析。实验结果表明,提出方法在设置的3类测试条件下均可以取得优势性能,表明其对于红外图像目标识别问题具有应用潜力。     

点目标的红外辐射特性测量方法

首先给出了红外辐射特性测量的基本原理,对于点目标,由于光学系统的衍射作用,经过光学系统成像为一个弥散斑,由于弥散的原因,点目标的辐射特性测量精度一般都非常低,针对这种情况,提出了一种基于辐射能量守恒的点目标辐射特性测量优化算法,给出了算法的具体原理和实现过程;最后,为了验证算法的有效性,在实验室里利用平行光管和点目标模拟装置进行了点目标辐射特性测量实验,并对试验结果进行了系统分析,结果表明,经过优化算法后,点目标的辐射测量精度优于10%,表明点目标辐射特性测量优化算法在实际应用中有很广泛的前景.     

红外偏振成像探测技术进展

不同物体不同状态存在明显的红外偏振差异,可以构成目标探测信息。简述了利用红外偏振成像技术进行目标探测的物理本质,重点阐述了偏振双向反射分布函数原理,列举了红外偏振成像探测模型,介绍了红外偏振成像技术的应用优势,归纳总结了偏振成像系统结构分类及其特点,叙述了红外偏振成像技术在目标探测与识别领域的进展,详细叙述了红外偏振成像技术的理论、实验基础研究和在目标探测中的应用。最后,总结分析了中/长波红外偏振成像技术特点,并对发展国内红外偏振成像技术提出了建议。     

基于FPGA密集假目标干扰的实现

在现代电子战中,应对新体制雷达、雷达干扰机转向采用欺骗性干扰方式,结合DRFM的机理,介绍了可控变间隔的密集假目标产生机理,基于FPGA内部IP核 FIFO 产生密集假目标,通过控制FIFO的存储深度来实现假目标的延迟时间;通过开关控制假目标的输出数量。仿真分析了假目标产生机理的正确性,同时验证了密集假目标产生的硬件可实现性,并给出了硬件实现假目标调幅调频的方法,为相关雷达干扰机硬件实现提供了参考。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的 SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域 SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进 OMP 算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99％,并且在含噪比10％的情况下识别率仍达96％。