成果介绍
针对反无人机领域“低慢小”非合作式目标精准探测难题,以及单模态探测易受干扰、多模态协同效能不足的核心痛点,成果攻克了基于深度神经网络的多模态目标检测跟踪、基于跨层级的多模态探测信息融合等关键技术,研发了雷达探测、光电识别跟踪、无线电侦测三类核心探测设备,通过AI算法深度赋能单模态探测,雷达端优化目标检测算法以提升低信噪比场景下的目标捕捉能力;光电端创新跟踪方案,解决夜间或低照度环境下的跟踪失效问题;无线电端改进信号检测框架,有效抑制同频干扰。
成果构建了数据层对齐、特征层关联、决策层优化的跨层级融合策略,打破了多模态信息壁垒,动态适配复杂环境,提升了整体探测的鲁棒性,实现了目标定位误差≤7m,方位角误差≤0.15°,俯仰角误差≤0.04°。数据可同步至多模态探测信息融合展示平台,为无人机反制技术提供精准目标数据支撑。
成果可应用于重大活动及重要人物低空安全保障、核心要地防护、防空安全监管三大关键场景,可实现目标快速预警、精准定位与处置支撑,助力提升低空安全防控能力,促进低空经济安全发展。
成果亮点
本成果通过AI算法与多模态融合技术,显著提升了复杂环境下的目标探测性能。
***赋能单模态探测技术
针对低慢小目标在复杂环境中探测效能不足的问题,利用深度神经网络对不同模态进行精准赋能。雷达模态基于目标-距离多普勒特征,采用改进的FastR-CNN算法,有效提升低信噪比下对小目标的检测率。光电模态则结合可见光与红外光谱特征,运用SiamXC跟踪算法与AI轨迹预测、热辐射增强技术,实现全天候连续跟踪与锁定。无线电模态引入AI难例挖掘策略与专用频谱骨干网络,可在300MHz-6000GHz频段内有效识别无人机混叠信号,并抑制同频干扰。
2. 多模态探测信息融合技术
采用“数据层-特征层-决策层”的跨层级融合架构,打破多模态信息壁垒。在数据层,通过时空配准解决采样频率与坐标系不一致问题;在特征层,利用深度典型相关分析实现多模态特征的非线性对齐;在决策层,引入置信度驱动加权融合与时间衰减策略,自适应优化融合结果。该技术体系显著降低了系统整体探测误差。
团队介绍
成都空御科技有限公司致力于低空管控设备及系统的研发、制造、销售与服务,团队由国家级高层次人才牵头,获评四川省“天府峨眉计划”创新创业团队,拥有各类知识产权超百项,已成长为业内领先的系统级低空安全管控综合解决方案提供商。公司已获评四川省瞪羚企业、四川“专精特新”中小企业、国家高新技术企业、四川省军民融合企业、成都市“产业建圈强链人才计划”低空经济产业链链主企业、成都市企业技术中心等认定。
在反无领域,自主研发的分布式无人机探测防御系统实现了敏感空域的全时段、全覆盖、全过程一体化智慧管控,总体达到国际先进水平,并获得四川省/成都市重大技术装备首台套、成都工业精品认定等荣誉。成果已应用于各军兵种、石油石化、电力、机场等多个行业,并成功为国家领导人视察、外国元首访华、西藏自治区成立60周年庆祝大会、成都大运会、杭州亚运会等重要活动提供了低空安全保障服务。
在低空管控领域,公司自主研发的“全域数字化低空安全管控平台”,对空域进行多级分区、采用针对性管控策略及设备,实现低空空域的全域实时安全监管。已参与全国多省市低空经济试点场景论证及建设,成果获评成都市标杆场景、重大行业创新贡献奖。
成果资料