摘要：新时期军队建设对雷达专业岗位能力提出了更高要求,需要对雷达原理课程开展教改研究,以提升人才培养质量。为此,本文紧盯教、学、评一体化设计问题,以《雷达原理》课程教学实践为基础,对课程的教学内容设计、教学模式改革,以及教学评价设计进行了探索研究。

摘要：在合成孔径雷达(SAR)图像分析领域,飞机作为一种重要目标,对其的检测越来越受到重视。针对传统SAR图像飞机检测算法需要人工设计特征且鲁棒性较差的问题,提出了一种基于改进Faster R-CNN的SAR图像飞机检测算法。制作了一个SAR图像飞机数据集(SAD),以Faster R-CNN为检测框架,利用改进k-means算法设计更合理的先验锚点框,以适应飞机目标的形状特点;借鉴inception模块思想,设计多路不同尺寸卷积核以扩展网络宽度,增强对浅层特征的表达;分析残差网络Layer5层的特征输出具有更大的感受野,对其上采样后进行特征融合以利用更多的上下文信息;同时引入Mask R-CNN算法中提出的RoI Align单元,消除特征图与原始图像的映射偏差。实验结果表明:相比原始的Faster R-CNN算法,所提改进的Faster R-CNN算法在SAR图像飞机数据集上平均检测精度提高了7.4%,同时保持了较快的检测速度。

摘要：针对无人机(UAV)跟踪过程中目标的尺寸小、尺度变化大和相似物干扰等问题,提出了一种基于多尺度注意力和特征融合的自适应无人机航拍目标跟踪算法。首先,考虑到无人机视角下干扰信息多,构建了深层多样化特征提取网络,提供鲁棒表征目标的语义特征和多样化特征;其次,设计的多尺度注意力模块,抑制干扰信息的同时保留了不同尺度的目标信息;然后特征融合模块将不同层特征进行融合,有效整合了细节信息和语义信息;最后,使用多个基于无锚框策略的区域建议模块自适应感知目标的尺度变化,充分利用整合的特征信息实现对目标的精准定位与稳定跟踪。实验结果表明:该算法在数据集上的成功率和准确率为61.7%和81.5%,速度为40.5 frame/s。该算法对目标的辨别能力、尺度感知能力和抗干扰能力明显增强,能有效应对无人机跟踪过程中的常见挑战。

摘要：针对无人机(UAV)跟踪过程中目标经常出现尺寸小、尺度变化大和相似物干扰等问题,提出了一种基于双注意力混洗的多尺度无人机实时跟踪算法。考虑到无人机视角下目标像素点少,构建了双采样融合的深层网络,既提供了语义信息丰富的深度特征,又保留了目标的细节信息;设计了双注意力混洗模块,通道注意力和空间注意力同时分组筛选提取到的特征信息,混洗不同通道间的信息,加强信息交流,提高了算法辨别能力;为利用不同层的特征信息,加入多个区域建议网络完成目标的分类和回归,并针对无人机的目标特点,将结果进行加权融合。实验结果表明:所提算法在数据集上的成功率和准确率分别为60.3%和79.3%,速度为37.5帧/s。所提算法的辨别能力和多尺度适应能力明显增强,能有效应对无人机跟踪中常见的挑战。

摘要：针对大尺寸、异形炸药部件的安全分解问题,提出基于水射流技术的炸药安全分解技术的设计方案。根据炸药部件的结构特点和材料属性,建立水射流切割炸药部件的有限元数值仿真模型;通过分析炸药材料在不同水射流速度下切割过程、极限应力水平及损失情况,不断优化水射流速度,在确保形状复杂的炸药部件不被冲击引爆和几何结构不遭受彻底破坏情况下对炸药部件进行分解。分解后的炸药块保持形状完整,内部无损伤缺陷,能够为进一步分析炸药部件的物理化学性能提供有效样品。对厚度为75 mm的百千克级空心圆柱型炸药部件的实施分解试验,按照该设计方案最终获得优化后的水射流速度为293 m/s.试验结果证明,炸药分解设计方案可行,设计的分解装置通用性强,能够为安全分解大尺寸、大当量、复杂结构炸药部件提供有效的技术支持,具有一定的推广应用价值。

摘要：针对多约束稀布矩形阵列天线的优化设计问题,该文提出一种新的矩阵映射(NMM)方法。首先,综合考虑阵元的可分布范围与可分布数量,重新定义阵元坐标矩阵的维数以提高阵元分布的自由度。其次,当坐标矩阵定义的阵元数量大于实际阵元数量时,建立选择矩阵以确定各阵元的取舍。再次,针对现有矩阵映射方法无法完全避免不可行解的问题,构建了一种NMM方法,通过两种不同的矩阵映射函数将多约束优化问题转换为无约束优化问题。最后进行仿真对比实验,实验结果证明了算法的有效性。

摘要：针对引力搜索算法存在的易陷入局部最优、精度有待提高等问题,提出一种Tent混沌和变邻域局部搜索优化的引力搜索算法。首先改进Tent混沌,利用其遍历均匀性、随机性初始化种群,增强算法的全局搜索能力;然后改进粒子速度和引力系数公式,加快算法的收敛速度;最后设计一种基于莱维飞行的变邻域局部搜索策略,引导种群脱离局部最优,提高寻优精度。仿真结果显示,新算法能有效地抑制局部最优,相较其他测试算法有更好的寻优精度和稳定性。利用新算法优化径向基函数神经网络,对非线性系统的辨识结果证明,改进后的径向基函数神经网络比标准径向基函数神经网络和反向传播神经网络具备更好的模型逼近能力和泛化水平。

摘要：针对常见的一维线阵列和二维平面阵存在能量转化率低、成本高和加工精度要求高等问题,在构建任意三维阵列的指向性函数的基础上,设计了一种旋转抛物面型换能器阵列。将平面型换能器阵列旋转成抛物面型,利用指向性函数确定旋转抛物面型换能器阵列相应参数的最优值。仿真对比实验及其分析表明,该新型阵列可以在减少换能器阵元使用数量、增大阵元间距的同时,改善阵列的指向性,并能提高声能量转化效率,使更多的声能集中在主瓣方向。

摘要：为提高微小卫星微型低成本姿态敏感器的姿态确定精度,基于磁强计/太阳敏感器/陀螺仪的姿态敏感器配置以及无迹卡尔曼滤波方法(Unscented Kalman Filter,UKF),设计了一种基于高阶UKF算法并且融合磁强计与太阳敏感器观测信息的微小卫星姿态确定算法.为提高系统状态方程非线性函数的一步预测精度,采用基于五阶UT变换的高阶UKF算法,增加了Sigma采样点数量,提高了系统状态预测精度.单一观测向量滤波算法不能同时满足多个不同量纲观测数据,本文提出一种同时利用两个观测向量的信息融合式滤波算法,根据磁强计和太阳敏感器的观测信息,通过卡尔曼滤波原理中的增益计算,分别得出地磁矢量和太阳矢量对应的卡尔曼增益信息.采用高斯概率密度准则进行信息融合,进而完成预测值的修正,得到同时满足磁强计以及太阳敏感器观测需求的四元数估计值,降低了观测误差的影响.仿真分析验证了算法的优越性.

摘要：近年来,合成孔径雷达成像技术因具备全天时和全天候的目标感测能力,在海洋实时监测和管控等领域发挥着重要作用,特别是高分率SAR图像中的舰船目标检测成为当前的研究热点之一。首先分析基于深度学习的SAR图像舰船目标检测流程,并对样本训练数据集的构建、目标特征的提取和目标框选的设计等关键步骤进行归纳总结。然后对检测流程中的各部分对SAR图像舰船目标检测精度和速度的影响进行对比分析。最后根据当前研究现状,深入分析深度学习算法在舰船检测应用中存在的问题,探讨基于深度学习的SAR图像舰船目标检测的进一步研究方向。