抗红外诱饵的目标识别仿真技术研究

抗红外诱饵的目标识别仿真技术研究红外诱饵弹在红外对抗中,因其作战效果良好、干扰性强和费效比低等优点,已经在飞行器和船舰上大量使用。红外诱饵弹的快速发展促使红外制导导弹技术升级,传统的目标识别算法不再适用未来的红外对抗场景,基于深度学习的目标识别算法在红外对抗中具有重要的研究意义。由于隐身飞机的真实红外图像具有高度保密性,而深度学习需要大量的红外图像样本,则采用仿真得到红外图像的方法得到了各国研究人员的认可。本文对隐身飞机F22蒙皮、尾焰和诱饵弹进行了建模和仿真,对探测器成像的相关技术进行了研究,为抗红外诱饵的目标识别提供了理论和数据基础。具体的研究工作如下:首先,本文以流体力学仿真为基础,对隐身飞机尾焰、蒙皮和诱饵弹建立几何模型,使用CFD?口FLUENT寸隐身飞机的几何模型仿真,利用柯蒂斯-戈德索（C-G）法近似计算尾焰红外中波（35?m）和红外长波（812?m）的辐射强度;蒙皮的红外中波和红外长波的辐射强度通过叠加面元能量方法计算出来;对诱饵弹中药剂燃烧辐射能分析,计算出诱饵弹辐射强度随发射时间的变化曲线;分析大气中二氧化碳、水蒸气和微粒对成像的影响,提出了红外波段大气透过率。红外辐射强度仿真为探测器成像仿真提供了数据支撑。其次,针对隐身飞机真实红外图像数据缺乏,本文使用数字仿真的方法解决该难题。本文使用Unity3D建立三维仿真环境,在三维环境中建立探测器模型,成像时考虑电用扰和自动增益电路（AGC对成像的影响，输出红外仿真图像序列用于构建深度学习目标识别数据集,为YOLOv算法提供大量的红外图像数据。再次，本文使用YOLOv3乍为深度学习目标识别算法，将仿真得到图像建立数据集，将数据集的70%乍为深度学习训练集，30%乍为测试集。使用YOLOv鳏法对图像中隐身飞机和诱饵弹的特征进行学习,输出权重文件用于测试,并通过相应的指标对训练结果给出评价。最后，为了简化操作步骤，方便使用，使用C+联合Matlab编程，开发一套抗红外诱饵的目标识别仿真系统软件。综上,采用深度学习得到的模型在测试集上检测精度达到87%,检测速度达到29FPS。