2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩158頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、中段防御中,為了保證攔截器能夠成功碰撞殺傷目標(biāo),需要借助攔截器紅外導(dǎo)引頭來(lái)進(jìn)行精確末制導(dǎo)。多目標(biāo)跟蹤是攔截器紅外末制導(dǎo)信息處理的重要組成部分,是保證攔截成功的關(guān)鍵技術(shù)之一。由于成像距離遠(yuǎn),來(lái)襲目標(biāo)在大部分時(shí)間內(nèi)表現(xiàn)為紅外探測(cè)圖像中的點(diǎn)目標(biāo),可用于跟蹤的信息主要為目標(biāo)運(yùn)動(dòng)信息。攔截器在飛行中存在劇烈的抖動(dòng),耦合到紅外圖像中使得目標(biāo)成像點(diǎn)在圖像中劇烈運(yùn)動(dòng)。因此,實(shí)際中通常采用捷聯(lián)安裝的慣性測(cè)量設(shè)備來(lái)獲取成像平臺(tái)的實(shí)時(shí)姿態(tài)信息,以補(bǔ)償平臺(tái)抖動(dòng)

2、造成的目標(biāo)運(yùn)動(dòng)。論文以捷聯(lián)平臺(tái)紅外末制導(dǎo)多目標(biāo)跟蹤技術(shù)為研究對(duì)象,針對(duì)跟蹤中由于目標(biāo)運(yùn)動(dòng)機(jī)動(dòng)性、目標(biāo)數(shù)目的隨機(jī)變化、彈上計(jì)算資源限制、紅外雜波干擾等不利因素造成的問(wèn)題展開(kāi)研究,主要包括以下三個(gè)方面內(nèi)容:
  1)攔截作戰(zhàn)中捷聯(lián)平臺(tái)對(duì)中段目標(biāo)進(jìn)行跟蹤的運(yùn)動(dòng)和測(cè)量建模。針對(duì)在高速攔截運(yùn)動(dòng)中,中段目標(biāo)在紅外圖像中的運(yùn)動(dòng)會(huì)隨著目標(biāo)距離的變化呈現(xiàn)出由弱變強(qiáng)的機(jī)動(dòng)性的問(wèn)題,論文提出一種基于參數(shù)自適應(yīng)“當(dāng)前”統(tǒng)計(jì)(Current Statist

3、ical, CS)模型的中段目標(biāo)運(yùn)動(dòng)建模方法。該方法利用在線(xiàn)信息實(shí)時(shí)設(shè)置CS模型的機(jī)動(dòng)頻率和加速度方差,提高目標(biāo)加速度估計(jì)的準(zhǔn)確性,更有效地描述中段目標(biāo)運(yùn)動(dòng)的特征。針對(duì)捷聯(lián)平臺(tái)姿態(tài)運(yùn)動(dòng)慣性解耦時(shí)測(cè)量模型中存在的復(fù)雜性問(wèn)題,論文在對(duì)成像測(cè)量誤差、慣性測(cè)量誤差和解耦誤差進(jìn)行對(duì)比分析的基礎(chǔ)上,提出將三種誤差進(jìn)行統(tǒng)一建模,從而簡(jiǎn)化測(cè)量模型的方法。實(shí)驗(yàn)表明,利用論文提出的目標(biāo)運(yùn)動(dòng)模型和傳感器測(cè)量模型可以準(zhǔn)確地對(duì)中段目標(biāo)進(jìn)行跟蹤。
  2)中

4、段動(dòng)態(tài)場(chǎng)景中的快速多目標(biāo)跟蹤。在目標(biāo)數(shù)目變化的動(dòng)態(tài)場(chǎng)景條件下,傳統(tǒng)基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤方法準(zhǔn)確度和計(jì)算效率都急劇下降,無(wú)法滿(mǎn)足捷聯(lián)平臺(tái)紅外末制導(dǎo)的要求。近年來(lái)出現(xiàn)的有限集統(tǒng)計(jì)學(xué)理論(Finite Set Statistics, FISST),具有優(yōu)于傳統(tǒng)方法的效率和準(zhǔn)確度,可以用于中段動(dòng)態(tài)場(chǎng)景中的快速多目標(biāo)跟蹤。在對(duì) FISST理論進(jìn)行研究的基礎(chǔ)上,論文首先基于線(xiàn)性復(fù)雜度勢(shì)分布概率假設(shè)密度(Linear Complexity-Car

5、dinalized Probability Hypothesis Density, LC-CPHD)濾波的高斯混合(Gaussian Mixture, GM)實(shí)現(xiàn),即GM-LC-CPHD濾波,來(lái)構(gòu)建紅外末制導(dǎo)多目標(biāo)跟蹤的基本框架。針對(duì)常規(guī)GM-LC-CPHD濾波的新生目標(biāo)模型需要對(duì)新出現(xiàn)目標(biāo)進(jìn)行全局搜索,導(dǎo)致算法計(jì)算效率低下的問(wèn)題,論文提出一種利用測(cè)量數(shù)據(jù)來(lái)自適應(yīng)設(shè)置新生目標(biāo)模型的改進(jìn)方法。該方法利用M/N測(cè)試算法累積多幀紅外圖像數(shù)據(jù)的

6、信息,自動(dòng)捕獲新生目標(biāo)的初始狀態(tài),從而有效地縮小搜索的范圍,提高算法的計(jì)算效率。針對(duì)常規(guī)GM-LC-CPHD濾波的結(jié)果未包含目標(biāo)身份信息,不能輸出每個(gè)目標(biāo)的連續(xù)軌跡至后續(xù)目標(biāo)識(shí)別模塊的問(wèn)題,論文引入標(biāo)簽關(guān)聯(lián)方法來(lái)實(shí)現(xiàn)GM-LC-CPHD濾波的軌跡管理,并提出一種改進(jìn)的高斯元素修剪與合并方法,從而穩(wěn)定快速地輸出每個(gè)目標(biāo)單獨(dú)的連續(xù)軌跡。實(shí)驗(yàn)表明,利用論文提出的方法可以準(zhǔn)確而高效地完成中段動(dòng)態(tài)場(chǎng)景的多目標(biāo)跟蹤。
  3)密集紅外雜波干擾

7、條件下的穩(wěn)定中段多目標(biāo)跟蹤。針對(duì)密集紅外雜波導(dǎo)致算法極容易出現(xiàn)錯(cuò)誤跟蹤的問(wèn)題,論文提出一種引入幅度信息( Amplitude Information, AI)來(lái)抑制雜波干擾的GM-AI-LC-CPHD濾波多目標(biāo)跟蹤方法。該方法首先利用高斯分布模型來(lái)對(duì)中段紅外點(diǎn)目標(biāo)的幅度進(jìn)行建模,并在信噪比(Signal-to-Noise Ratio, SNR)未知的條件下,通過(guò)最近的L幀數(shù)據(jù)對(duì)目標(biāo)的幅度和檢測(cè)概率進(jìn)行估計(jì);然后推導(dǎo)了引入幅度信息的GM-

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論