該書是西北工業(yè)大學(xué)航天學(xué)院新建微專業(yè)必修課程“空天飛行器智能感知與控制”的教材，于2023年獲批教育部航空航天類戰(zhàn)略新興領(lǐng)域教材。本書全面地敘述空天飛行器智能感知與控制的基本理論、方法和應(yīng)用。主要內(nèi)容為：緒論、數(shù)據(jù)解析與特征工程、深度學(xué)習(xí)基礎(chǔ)、強(qiáng)化學(xué)習(xí)基礎(chǔ)、空天飛行器空中目標(biāo)感知、空天飛行器智能制導(dǎo)與控制、空天飛行器博弈制導(dǎo)與控制等
本書邏輯嚴(yán)密，突出理論聯(lián)系實際，敘述深入淺出，在書中給出了一些智能算法的偽代碼和應(yīng)用實例。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
國家重點研發(fā)計劃項目"面向工業(yè)機(jī)器人的快速高精度三維視覺測量技術(shù)與系統(tǒng)"的課題"三維點云多目標(biāo)識別與決策技術(shù)"
第1章 緒論 1
1.1 空天飛行器概述 1
1.1.1 定義與分類 1
1.1.2 發(fā)展現(xiàn)狀 1
1.1.3 基礎(chǔ)科學(xué)問題 3
1.2 空天飛行器智能感知 10
1.2.1 光電成像感知 10
1.2.2 多光譜成像感知 11
1.2.3 高光譜成像感知 11
1.3 空天飛行器智能控制 12
1.3.1 動力學(xué)建模 12
1.3.2 軌跡優(yōu)化與制導(dǎo) 13
1.3.3 飛行控制技術(shù) 15
1.4 未來發(fā)展趨勢 16
1.4.1 智能感知技術(shù) 17
1.4.2 智能控制技術(shù) 18
第2章 數(shù)據(jù)解譯與特征工程 19
2.1 數(shù)據(jù)預(yù)處理 19
2.1.1 數(shù)據(jù)預(yù)清洗 19
2.1.2 特征預(yù)處理 20
2.2 特征提取 21
2.2.1 主成分分析法 21
2.2.2 線性判別分析法 22
2.2.3 局部線性嵌入法 23
2.2.4 拉普拉斯特征映射 24
2.3 特征選擇 25
2.3.1 過濾式 25
2.3.2 包裝式 27
2.3.3 嵌入式 28
2.4 聚類分析 29
2.4.1 均值聚類 29
2.4.2 密度聚類 30
2.4.3 圖聚類 31
2.5 回歸與分類 33
2.5.1 最小二乘回歸 33
2.5.2 支持向量回歸 34
2.5.3 K近鄰分類器 36
2.5.4 支持向量機(jī) 37
2.6 算例仿真 41
2.6.1 DC mall遙感圖像數(shù)據(jù)集特征提取算例 41
2.6.2 飛行器圖像數(shù)據(jù)集“背景-目標(biāo)”聚類算例 43
第3章 深度學(xué)習(xí)理論 45
3.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 45
3.1.1 神經(jīng)元 46
3.1.2 多層感知機(jī) 52
3.1.3 反向傳播神經(jīng)網(wǎng)絡(luò) 52
3.2 卷積神經(jīng)網(wǎng)絡(luò) 55
3.2.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu) 56
3.2.2 AlexNet網(wǎng)絡(luò) 60
3.2.3 VGGNet網(wǎng)絡(luò) 62
3.3 新型神經(jīng)網(wǎng)絡(luò) 65
3.3.1 遞歸神經(jīng)網(wǎng)絡(luò) 66
3.3.2長短期記憶神經(jīng)網(wǎng)絡(luò) 68
3.3.3生成對抗神經(jīng)網(wǎng)絡(luò) 69
3.3.4 Transformer神經(jīng)網(wǎng)絡(luò) 70
3.4 神經(jīng)網(wǎng)絡(luò)壓縮 73
3.4.1 模型剪枝 73
3.4.2 權(quán)重共享 74
3.4.3 參數(shù)量化 76
3.4.4 輕量型卷積核設(shè)計 77
3.4.5 知識蒸餾 79
3.5 算例仿真 80
3.5.1 卷積神經(jīng)網(wǎng)絡(luò)特征圖可視化算例 80
3.5.2 航天器狀態(tài)監(jiān)控及故障檢測算例 82
第4章 強(qiáng)化學(xué)習(xí)理論 85
4.1 馬爾可夫過程 85
4.1.1 強(qiáng)化學(xué)習(xí)概念 85
4.1.2 馬爾科夫決策過程 87
4.1.3 動態(tài)規(guī)劃 91
4.1.4 蒙特卡洛方法 94
4.1.5 時間差分學(xué)習(xí) 95
4.2 深度強(qiáng)化學(xué)習(xí)方法 98
4.2.1 DQN算法 98
4.2.2 DDPG算法 101
4.2.3 TD3算法 103
4.2.4 PPO算法 104
4.3 多智能體強(qiáng)化學(xué)習(xí) 105
4.3.1 多智能體系統(tǒng) 106
4.3.2 MADDPG算法 108
4.3.3 MAPPO算法 109
4.4 算例仿真 110
4.4.1 DQN算法訓(xùn)練CartPole算例 110
4.4.2 PPO算法訓(xùn)練Pendulum算例 111
4.4.3 MADDPG算法訓(xùn)練MPE算例 113
第5章 空天飛行器空中目標(biāo)感知 117
5.1 運動目標(biāo)檢測 117
5.1.1 背景減除法 117
5.1.2 幀間差分法 121
5.1.3 光流法 123
5.2 光學(xué)目標(biāo)檢測 125
5.2.1 單階段目標(biāo)檢測 125
5.2.2 雙階段目標(biāo)檢測 128
5.3 動態(tài)目標(biāo)跟蹤 130
5.3.1 基于相關(guān)濾波的目標(biāo)跟蹤 131
5.3.2 基于深度學(xué)習(xí)的目標(biāo)跟蹤 139
5.4 目標(biāo)軌跡預(yù)測 145
5.4.1 卡爾曼濾波算法 146
5.4.2 隱馬爾可夫模型 149
5.4.3 基于LSTM時序網(wǎng)絡(luò)的軌跡預(yù)測 156
5.5 算例仿真 162
5.5.1 背景減除法運動目標(biāo)檢測算例 162
5.5.2 單階段目標(biāo)檢測算例 162
5.5.3 相關(guān)濾波法目標(biāo)跟蹤算例 162
5.5.4 卡爾曼濾波軌跡預(yù)測算例 163
第6章 空天飛行器地物目標(biāo)感知 167
6.1 目標(biāo)檢測方法 167
6.1.1 水平邊界框目標(biāo)檢測（以SSD為例） 168
6.1.2 定向邊界框目標(biāo)檢測（以RRPN為例） 172
6.2 變化檢測方法 179
6.2.1 變化檢測基本流程 180
6.2.2 圖像差分法 184
6.2.3 圖像回歸法 185
6.2.4 變化矢量分析法 186
6.3 異常檢測方法 188
6.3.1 基于RX算法的異常檢測方法 189
6.3.2 基于聯(lián)合表示的異常檢測方法 193
6.3.3 基于低秩性與稀疏性的異常檢測方法 195
6.4 星載多源圖像目標(biāo)識別 198
6.4.1 星載多源圖像目標(biāo)特征表征 198
6.4.2 復(fù)雜環(huán)境條件下星載多源圖像目標(biāo)識別 198
6.5 SAR 圖像目標(biāo)檢測 198
6.5.1基于統(tǒng)計模型的檢測方法 199
6.5.2基于極化特征的檢測方法 202
6.5.3基于干涉相干性的檢測方法 204
6.5.4基于深度學(xué)習(xí)的檢測方法 207
6.6 算例仿真 210
6.6.1 水平邊界框目標(biāo)檢測算例 210
6.6.2 圖像差分法變化檢測算例 218
6.6.3 RX算法異常檢測算例 219
6.6.4 NWPU-RESISC45數(shù)據(jù)集地物目標(biāo)識別 221
6.5.5 基于CFAR的SAR圖像目標(biāo)檢測算例 221
第7章 空天飛行器智能制導(dǎo)與控制 227
7.1 經(jīng)典制導(dǎo)控制理論 227
7.1.1 飛行器制導(dǎo)與控制模型 227
7.1.2 PID控制 237
7.1.3 比例導(dǎo)引 239
7.2 協(xié)同制導(dǎo)控制系統(tǒng) 244
7.2.1 強(qiáng)化學(xué)習(xí)制導(dǎo)控制方法 244
7.2.2 模糊自適應(yīng)智能控制方法 244
7.2.3 神經(jīng)網(wǎng)絡(luò)智能控制方法 244
7.3 協(xié)同制導(dǎo)控制系統(tǒng) 244
7.3.1 飛行器故障類型建模 244
7.3.2 故障檢測與控制分配 244
7.3.3 非線性動態(tài)逆容錯控制方法 244
7.4 協(xié)同制導(dǎo)控制系統(tǒng) 245
7.4.1 相對運動制導(dǎo)模型構(gòu)建 245
7.4.2 多智能體一致性理論簡介 248
7.4.3 多約束條件下的協(xié)同制導(dǎo)律設(shè)計方法 250
7.4.3 算例仿真 255
7.5 算例仿真 260
7.5.1 智能飛行器自動駕駛儀設(shè)計 260
7.5.2 多飛行器協(xié)同制導(dǎo)控制方法設(shè)計 260
第8章 空天飛行器博弈制導(dǎo)與控制 260
8.1 微分博弈制導(dǎo)控制 260
8.1.1 納什-龐特里亞金最大最小原理 260
8.1.2 微分博弈納什均衡解 260
8.1.3 基于納什均衡解的最優(yōu)控制方法 260
8.2 非零和博弈制導(dǎo)控制 260
8.2.1 CW追逃博弈 260
8.2.2 粒子群優(yōu)化算法 260
8.2.3 非零和博弈最優(yōu)控制方法" 260
8.3 強(qiáng)化學(xué)習(xí)博弈制導(dǎo)控制 260
8.3.1 Q-learning制導(dǎo)控制 261
8.3.2 強(qiáng)化學(xué)習(xí)比例制導(dǎo)控制 261
8.3.3 強(qiáng)化學(xué)習(xí)過載制導(dǎo)控制" 261
8.4 算例仿真 261
8.4.1 強(qiáng)化學(xué)習(xí)環(huán)境介紹 261
8.4.2 導(dǎo)彈博弈制導(dǎo)控制算例 261
8.4.3 在軌航天器追逃博弈控制算例" 261
參考文獻(xiàn) 263
書單推薦
