摘要:滑翔导弹末段飞行时空复杂度高、不确定性强、约束多,给弹道规划与制导算法带来了较大的建模和求解难度。针对这一问题,同时增大末段机动范围并提高弹道规划效率,本文提出一种利用连续型深度置信神经网络(Convolutional Deep Brief Networks,CDBN)预测机动能力、设计经由点状态实现末段多约束智能弹道规划的方法。过程中采用CDBN对机动能力进行在线预测,快速判定经由点状态的可行性,并且通过经由点状态智能设计,实现前后段能量的优化分配,扩大弹道机动包络;通过设计三角函数型弹目视线角实现末段弹道摆动机动,推导机动弹道最优末制导律对视线角进行跟踪,并调节机动频率以满足速度约束。仿真结果表明,CDBN相对BP网络具有更高的机动能力预测精度;本文所提智能弹道规划方法在满足末端速度约束的前提下,可以实现弹道摆动机动并大幅增加飞行包络。弹道规划能够在0.5 s内完成,满足工程应用的快速性要求。
摘要:高光谱图像目标检测作为一个研究热点在军事和民用方面的应用越来越广泛。为了能同时利用高光谱图像数据的空谱信息,本文提出一种新的基于张量表示的高光谱图像目标检测算法。算法使用CP(Canonical Polyadic)张量分解技术和张量块分解(Block Term Decomposition,BTD)分别对高光谱数据进行盲源分析,提取了有效的局部图像块空谱特征,建立了一个基于稀疏表示和协作表示的检测模型,针对多种类型背景复杂的场景数据进行实验,并与当前流行的目标检测算法进行比较。从可视化检测结果来看,本文算法在复杂背景和强噪声环境下,有效提取了空谱特征,对背景具有较好的抑制能力,检测的目标显著。此外,本文从接收机操作曲线(Receiver Operating Characteristic Curve,ROC)和ROC曲线下面积(Area Under Curve,AUC)等定量指标分析算法性能。以较为流行的Sandiego图像为例,在10%的虚警率下,本文算法取得90%的检测精度,AUC大于0.95。本文算法相较几种流行算法而言具有较高的检测精度,更强的鲁棒性。