机载预警雷达网络化协同探测模式及性能分析

为了进一步提高机载预警雷达的目标探测和监视能力,首先对影响单平台机载预警雷达探测范围的因素进行了分析,引出网络化协同探测的特点和必要性,给出了稳定探测覆盖范围和多普勒盲区的定义;其次重点分析了机载预警雷达与其他机载预警雷达、舰载雷达、无人机(UAV)雷达等不同平台雷达间的协同探测工作方式,并进行了仿真分析,通过评估指标参数对各种协同探测模式进行了比较;最后对机载预警雷达网络化协同探测发展趋势进行展望。     

基于Voronoi图的UAV攻击多移动目标的路径规划算法研究

文章针对动态环境下的单个无人机进行攻打多个移动目标的路径规划问题提出了一种基于Voronoi图的算法。Voronoi图首先被用来建立静态的威胁场,同时确定并且计算路径规划的威胁总代价。接着通过分析威胁场的分布对于dijkstra算法进行了改进和优化,针对Voronoi图之外的路径点生成局部路径,而针对Voronoi图内的路径点则采用Dijkstra算法沿Voronoi图的边缘进行向移动目标的循迹,最后在matlab平台上对于文章提出的路径规划方法进行了仿真分析,仿真结果验证了文章所提算法的有效性及鲁棒性。     

一种基于无人机视频影像的车流量统计算法

针对城市智能交通管理系统中车流量统计出现的漏检误检问题,提出一种基于无人机(unmanned aerial vehicle,UAV)视频影像的车流量统计双虚拟检测线算法。算法利用数字图像处理技术和计算机视觉对视频流进行处理,首先对无人机获取的视频影像采用均值滤波进行去噪处理,利用改进的多帧平均方法提取出初始背景,通过背景差分法检测出运动目标,然后使用混合高斯背景模型进行背景更新,设置双虚拟检测线并计算二值图像上位于双虚拟线内的连通区域面积、长宽比,统计出实时的车流量。实例验证结果表明,该方法的准确率在非高峰期达到92.94%,高峰期达到91.62%,为城市智能交通管理提供了可靠的数据支持。     

面向深度学习识别高空农作物的方法

为探讨深度学习技术运用于高空或卫星图像处理的问题,针对其高空层次特征丰富但细节信息不充分,以及背景多元化干扰等特点,研究一种有效的多分类方法。利用消费级无人机采集农作物高空图像,从图像数据规模有限,较难实现有效训练的问题出发,提出一种综合数据增强和迁移学习的方法克服数据集不足;结合高空图像的独特特征,改进高维空间的最优分类函数,对模型进行优化,使之更吻合高空拍摄农作物图像的识别与处理。通过构建多组数据、多种模型的对比实验,验证了该方法的有效性与性能,为农业智慧决策提供有益补充。