运动目标多站协同测量系统原理及应用

目录

第1章概论

1.1运动目标测量技术概述

1.2运动目标多站协同测量系统简介

1.2.1系统定义和功能

1.2.2系统测量原理

1.2.3系统发展动态

1.3运动目标多站协同测量系统关键技术

1.3.1智能车辆运动平台建模技术

1.3.2多站协同机动技术

1.3.3多传感器探测技术

1.3.4多源数据融合技术

1.3.5系统可靠性分析技术

第2章智能车辆运动建模分析

2.1非完整约束智能车辆的条件分析

2.1.1非完整约束与非完整系统

2.1.2轮式移动车辆非完整性分析

2.1.3非完整移动车辆的可控性

2.1.4非完整智能车辆的坐标系选择

2.2智能车辆的运动控制问题

2.3智能车辆运动控制方法

2.3.1滑模变结构控制

2.3.2自适应控制

2.3.3反演控制

2.3.4其他控制方法

2.4智能车辆运动学轨迹跟踪控制

2.4.1末端控制问题定位

2.4.2反演控制器设计原理

2.4.3控制系统建模

2.4.4自适应反演控制器设计

2.4.5自适应反演滑模控制器设计

2.4.6稳定性分析

第3章多车载平台协同机动策略

3.1多运动平台协同任务规划建模

3.1.1协同问题分析

3.1.2多协同任务规划模型

3.1.3协同模型与奖励机制

3.2多无人车协同任务环境搭建

3.3基于注意力seq2seq框架的强化学习简介

3.4seq2seq框架与Transformer模型

3.5seq2seq框架解决协同侦察任务规划关键问题

3.6协同任务规划求解模型的构建

3.6.1编码器

3.6.2解码器

3.6.3掩码机制

3.6.4结合强化学习与优化目标

3.6.5仿真实验验证与分析

3.7基于EDDRQN网络的多运动平台协同探测规划

3.7.1基于强化学习的多运动平台协同关键问题

3.7.2深度Q网络

3.7.3独立DQN和深度递归Q网络

3.7.4深度分布式递归Q网络

3.7.5基于EDDRQN的运动平台协同探测网络构建

3.7.6实验及结果分析

第4章光学探测技术

4.1相机标定

4.1.1相机成像模型

4.1.2标定原理

4.1.3实现方法

4.2图像预处理

4.2.1图像平滑滤波

4.2.2彩色图像转化为灰度图像

4.2.3图像边缘检测

4.2.4图像角点检测

4.3基于SFS算法的三维物体形状表面恢复方法

4.3.1明暗恢复形状的原理

4.3.2典型SFS算法的分类与比较

4.3.3三维曲面的表达

4.3.4基于图像恢复的三维形貌算法设计

第5章基于多源探测的数据融合方法

5.1DS证据理论

5.1.1DS证据理论基础

5.1.2DS证据理论的缺陷及分析

5.1.3DS证据理论现有的改进方法

5.1.4DS证据理论新的改进方法

5.2数据融合算例仿真

5.2.1受干扰情况下的多证据源融合

5.2.2悖论情况下的多证据源融合

5.3多测量站目标检测

5.3.1数据级目标检测

5.3.2特征级目标检测

5.3.3决策级目标检测

5.4基于改进证据支持度的多测量站运动目标检测

5.4.1运动目标识别方法分析

5.4.2一种新的目标识别融合算法

5.4.3仿真实验结果与性能对比

5.5基于Pignistic距离和Deng熵的多测量站目标检测

5.5.1运动目标识别基本理论

5.5.2基于Pignistic距离和Deng熵的多测量站运动目标检测

方法

5.5.3仿真实验结果与性能对比

第6章高速目标速度测量系统设计与开发

6.1信息不对称下高超速弹丸三维重构系统设计

6.1.1信息不对称问题

6.1.2弹丸三维重构系统的环境设置

6.1.3弹丸三维重构系统组成

6.1.4三维重构系统的软件流程设计

6.2目标特征点提取

6.2.1图像角点的提取与匹配

6.2.2特征点空间坐标计算

6.3目标多粒度模型的特征点匹配

6.3.1粗粒度匹配

6.3.2细粒度匹配

6.3.3匹配精度分析

6.4坐标转换

6.4.1旋转矩阵的Cayley变换

6.4.2旋转矩阵和平移向量

6.5径向权图像融合

6.6三维重构实验与精度分析

6.6.1实验过程

6.6.2重构精度分析

6.6.3重构计算

6.7精度影响因素分析

6.7.1相机景深对精度的影响

6.7.2图像预处理对精度的影响

第7章高速目标速度测量系统可靠性分析

7.1概述

7.2系统可靠性分析理论

7.2.1层次分析法

7.2.2故障树分析法

7.2.3BP神经网络分析法

7.3测试系统可靠性计算

7.3.1故障树割集

7.3.2测试系统数据获取

7.3.3测试系统可靠性

参考文献