摘要：为提高X射线脉冲星导航对有色噪声及太阳系内星历误差的鲁棒性,设计了2级强跟踪差分滤波器(TSTDKF)。首先在分析导航原理基础上,导出了中心天体星历误差对导航结果的误差传递关系,并利用扩展卡尔曼滤波器(EKF)进行了仿真验证;在同一运行轨道上,又结合引力摄动模型对第三天体引力摄动数据进行了分析,证明该部分噪声为有色噪声。根据以上结论,将普通2级卡尔曼滤波器(TKF)的无偏滤波器设计为一种改进的差分卡尔曼滤波器以降低有色噪声对导航系统的影响,同时又在其独立偏差滤波器中根据观测残差构建了多重自适应调节因子以增强其跟踪性能,两者共同构成TSTDKF的2个并行滤波器。通过仿真实验证明,TSTDKF的位置误差性能最大可比EKF和TKF改进56.49%和35.18%,速度误差性能改进27.66%和17.07%;对星历误差的跟踪效果也整体好于TKF。

摘要：为自适应检测复杂环境中的红外小目标,提出了基于极端学习机背景预测的红外小目标检测算法。首先,依据灰度值分布设计局部边缘敏感平滑滤波器,在相近的灰度范围内,使中心像素的灰度值等于邻域内多数灰度值的融合,对红外图像进行滤波,能够去除大量噪声并突出图像主要结构;其次,利用极端学习机对滤波后的图像建立回归模型,以邻域像素值为输入,以中心像素值为输出训练模型,并对背景进行预测,得到的图像与滤波后的图像做差,得到小目标显著图;最后,利用图像块对比特性对显著区域处理,使小目标区域均匀突出,抑制背景区域,并经过简单阈值操作,实现对红外小目标的检测。实验结果表明:与其他检测算法相比,在复杂背景下,本文算法检测结果的局部信噪比增益最高,单帧检测时间为0.18 s。本文算法对背景进行学习,发掘背景与目标的差异,提高了算法的适应能力,并且能够有效检测小目标。

摘要：导航星表构建是星敏感器设计阶段的重要工作。对于小视场,受限于恒星分布规律,易出现导航星表"空洞"问题。为解决小视场条件下均匀完备导航星表构建问题,对基于球面螺旋基准点的导航星表构建方法进行了改进:摒弃了原方法通过改变球面螺旋基准点数量和位置重新构建导航星表的思路,转而通过增选部分恒星来达到减少星表"空洞"的目的。设立了描述恒星消除星表"空洞"能力的权值,并以该权值递减顺序开展恒星增选;同时,设计了增选恒星距离阈值条件以保持增选后导航星表的均匀性。仿真表明,在4°圆形视场条件下,相对于原方法,文中方法得到的导航星表,总星数减少708颗,均匀性指标提高约44%,而星表"空洞"变化较小,显示了较好的性能。

摘要：飞行器拍摄到的待机飞行器图像常出现旋转、尺度、仿射等畸变,同时噪声等影响会使目标轮廓部分缺失。针对这个问题,提出了一种轮廓不变特征,并将其应用于待机飞行器识别当中,以分割出来的物体灰度图像为基础,利用椭圆拟合方法进行方向归一化,提取全局轮廓特征;根据轮廓中的关键点位置将轮廓划分为上下左右4部分局部轮廓,提取局部轮廓特征,将其当作神经网络的输入参数,利用神经网络作为分类器,达到识别物体的目的。设计了两组目标识别对比实验。实验结果证明此方法在噪声污染、轮廓提取不完整的情况下,仍能得到较高的识别率,优于传统的矩特征等方法。

摘要：在红外图像预处理过程中,为有效保护图像的显著边缘信息,提出了一种融合全局梯度L_0范数和局部显著性的保边平滑算法。首先,对红外图像进行拉普拉斯变换,采用嵌套矩形框快速估计边缘局部显著性,并利用均值与方差设计权重函数;其次,依据权重调节逼近项中每个像素的重要性,约束全局梯度的L_0范数,建立模型;最后通过交替方向乘子法对模型求解,平滑红外图像,保护显著的边缘信息。实验结果表明,与其他保边平滑算法相比,所提算法能在平滑图像的同时,有效保护显著边缘,为进一步应用提供了理论支持。

摘要：飞行器拍摄的传统红外小目标检测方法实现简单,多适用于简单背景对于复杂背景,存在一定数量的虚警,难以甄别真假小目标。提出了一种基于方向梯度的红外小目标检测算法,融合了红外小目标的梯度各向同性、不光滑性和对比特性等3个主要特征,主要通过卷积操作完成,并对融合图像中的非0位置计算最小局部对比度,进一步增强小目标并抑制虚假目标。设计了4种背景下的红外小目标检测实验,同其他5种常用检测算法进行对比,实验结果表明,提出的检测算法虚警率较低,鲁棒性也较好。