基于全波形特征的偏振脉冲激光近程探测研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    51805146
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    24.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    E0511.机械测试理论与技术
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

The ground-based guided missiles are studied to achieve precise strike around the world, and precise detection of ground targets has become a research hotspot. Ground targets (such as armored vehicles) utilize camouflage technology and stealth technology to make converge of targets and environment. It is difficult to recognize each other using conventional detection methods. On account of the different polarized laser scattering characteristics of targets, the ground targets could be recognized. In the project, the polarized laser short-range synchronous scanning method is used to carry out researches on echo detection theory, dynamic measurement and error generation mechanism. This project intends to take "echo model" - "measurement method" - "error compensation" as main line. Polarization laser detection echo model is proposed to explore the polarization scattering mechanism of object targets and to construct the target polarization feature database of object features. Based on the relationship between the target material characteristics and surface features and the echo waveform theory, a polarization pulse laser measurement method with full waveform features is proposed. The mechanism of dynamic measurement error is explored and a dynamic error compensation strategy is proposed. It provides the theoretical and technical basis for the short-range laser scanning of polarized laser.
世界各国积极研究空地制导导弹实现地面目标的精确打击,地物目标的精确探测已成为研究热点。地物目标(如装甲车辆)常采用伪装措施和隐身技术使地物目标与环境相融合,常规探测方式难以区分。由于偏振激光目标散射特性不同,可用于地物目标识别。本项目采用偏振激光近程同步扫描探测方式,开展回波探测理论、动态测量以及误差产生机理等问题的研究,以“回波模型→测量方法→误差补偿”为主线,建立偏振激光探测回波模型,探索地物目标线偏振散射特性,构建地物目标偏振特征库;基于目标材料特性、表面特征与回波波形理论关系,提出全波形特征的偏振脉冲激光测量方法;探索动态扫描测量误差产生机理,提出动态误差补偿策略,对偏振激光近程扫描探测基础理论与技术方法进行深入研究。

结项摘要

空地制导导弹实现地面目标的精确打击已成为各国的研究热点,地物目标常采用伪装措施和隐身技术使地物目标与环境相融合,传统脉冲激光探测方式难以识别。本项目将偏振融入激光探测中,开展了偏振激光近程扫描探测基础理论与技术方法的研究。建立偏振双向反射分布函数模型和线偏振脉冲激光回波模型,拓展了多目标回波波形模型,搭建偏振脉冲激光测试实验平台,揭示不同目标材料的偏振散射规律:典型地物目标偏振度随着角度的增加而下降,当入射角大于一定范围时,地物目标偏振度都有增大趋势。通过建立的多目标回波模型,研究不同表面特征与回波波形的关系,提出利用全波形的卷积神经网络测距方法,提出的测距方法误差均值为0.0058m,标准差为0.0207m,实现超分辨率测距的同时实现了有限资源下的FPGA移植。提出奇异谱分析和小波域的压缩感知去噪,在微弱信号条件下实现较好的回波信号去噪。通过建立高速转轴的力学模型,推导出转轴弯曲变形的理论公式;结合平面扩展目标的回波功率方程,建立了转轴偏移下目标探测成像模型。通过仿真分析探索动态扫描测量误差产生机理,结果表明:当电机转速达到40000r/min时,转轴在全反平面镜处角位移达到0.013rad,沿轴的形变达到0.88mm;回波信号幅值电压随着转速的增大而逐渐减小,提出了高精度控制方法。因此,通过本项目的研究不仅可以有效区分地物目标,还能实现超分辨率测距。

项目成果

期刊论文数量(8)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(4)
Plane segmentation and fitting method of point clouds based on improved density clustering algorithm for laser radar
基于改进密度聚类算法的激光雷达点云平面分割与拟合方法
  • DOI:
    10.1016/j.infrared.2018.11.019
  • 发表时间:
    2019
  • 期刊:
    Infrared Physics & Technology
  • 影响因子:
    3.3
  • 作者:
    Xu Xiaobin;Luo Minzhou;Tan Zhiying;Zhang Min;Yang Hao
  • 通讯作者:
    Yang Hao
Object Detection Based on Fusion of Sparse Point Cloud and Image Information
基于稀疏点云与图像信息融合的目标检测
  • DOI:
    10.1109/tim.2021.3102739
  • 发表时间:
    2021-01-01
  • 期刊:
    IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT
  • 影响因子:
    5.6
  • 作者:
    Xu, Xiaobin;Zhang, Lei;Luo, Minzhou
  • 通讯作者:
    Luo, Minzhou
Echo Signal Extraction Based on Improved Singular Spectrum Analysis and Compressed Sensing in Wavelet Domain
基于改进奇异谱分析和小波域压缩感知的回波信号提取
  • DOI:
    10.1109/access.2019.2918218
  • 发表时间:
    2019
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Xu Xiaobin;Zhang Min;Luo Minzhou;Yang Jian;Qu Qinyang;Tan Zhiying;Yang Hao
  • 通讯作者:
    Yang Hao
Design of 2D LiDAR and camera fusion system improved by differential evolutionary PID with nonlinear tracking compensator
带有非线性跟踪补偿器的差分进化PID改进的2D LiDAR和相机融合系统设计
  • DOI:
    10.1016/j.infrared.2021.103776
  • 发表时间:
    2021-05
  • 期刊:
    Infrared Physics & Technology
  • 影响因子:
    3.3
  • 作者:
    Xu Xiaobin;Zhao Minghui;Lu Yonghua;Ran Yingying;Tan Zhiying;Luo Minzhou
  • 通讯作者:
    Luo Minzhou
Research on FPGA Pulse Laser Ranging Method Based on Deep Learning
基于深度学习的FPGA脉冲激光测距方法研究
  • DOI:
    10.1109/tim.2021.3096281
  • 发表时间:
    2021
  • 期刊:
    IEEE Transactions on Instrumentation and Measurement
  • 影响因子:
    5.6
  • 作者:
    Xu Xiaobin;Chen Yi;Zhu Kaiyuan;Yang Jian;Tan Zhiying;Luo Minzhou
  • 通讯作者:
    Luo Minzhou

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

利用宇生核素~(10)Be暴露测年技术重建冰川漂砾运动历史
  • DOI:
    10.16089/j.cnki.1008-2786.000257
  • 发表时间:
    2017
  • 期刊:
    山地学报
  • 影响因子:
    --
  • 作者:
    张志刚;王建;徐孝彬;常直杨;陈倩
  • 通讯作者:
    陈倩

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码