基于2DPCA的弹道导弹目标特征级综合识别方法

为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-Dimensional Principal Component Analysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积(Radar Cross Section,RCS)特征融合为例进行仿真验证,结果表明:相比于传统的主成分分析(Principal Component Analysis,PCA),2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。     

一种弹道导弹目标时空域信息融合模型

针对弹道导弹目标融合识别系统中,传感器接收到的信息具有模糊性与不确定性的特点,提出了一种基于Dempster-Shafer(D-S)理论的导弹目标时空域信息融合模型;针对模型中影响传感器融合识别性能因素的多元性与各因素权重分配的不合理性,在引入证据网路的基础上,提出了一种基于弹道导弹目标影响因素的融合识别性能证据网络结点模型,并通过分析各结点之间的关系,采用多属性决策和群决策分析权重的方法,提出了一种结点权重分配方法。仿真验证了算法的可行性与有效性。     

基于EKF算法的弹道导弹助推段跟踪建模与仿真

围绕弹道导弹助推段跟踪问题,分析了助推段反弹道导弹的基本作战过程,建立了弹道导弹助推段动力学模型,分别就单传感器/单弹道导弹和多传感器/多弹道导弹两种情况建立了基于EKF算法的弹道导弹助推段跟踪模型,并通过算例验证了模型和算法的有效性,可为助推段反弹道导弹建模与仿真提供一定的参考。     

MIMO雷达弹头目标微动模型及微多普勒效应

弹头目标识别是弹道导弹防御系统中最为关键的技术之一。将多输入多输出(MIMO)雷达技术和微多普勒特征分析技术引入弹道中段目标识别,可有效克服弹头隐身技术和有源干扰技术等对识别带来的困难,提高识别精度。建立了MIMO雷达中弹头目标的微动模型,给出了弹头自旋、锥旋和进动引起的微多普勒效应的参数化表达,并通过对仿真回波数据进行时频分析验证了理论分析的正确性,为弹头目标的准确识别提供了新的理论依据。     

基于专家系统的弹道导弹目标识别方法

传统Dempster-Shafer(D-S)算法及其改进算法中,一般将冲突证据与不冲突证据统一融合,无论融合过程中冲突证据所占权重多小,这都将降低融合效率。针对这个问题,引入专家系统理论,面向信息融合中证据冲突的问题,将冲突证据与无冲突证据分组,构建了基于专家信任度的弹道导弹目标识别模型和专家知识库模型,从工程上设计了弹道导弹目标识别专家知识库系统,提出了两种专家知识权重确立方法,并通过实例以及仿真,验证了算法的可行性。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。     

水下目标识别的规划融合算法

多传感器数据融合技术已经成为水下目标识别中的一项关键技术,以传感器输出数据为基础,提出了一种新的水下目标识别的规划融合算法,并通过举例进行了说明,最后使用Lingo软件对模型进行了求解,得出了最优结果。该算法可以有效地提高水下目标识别的准确率和可靠性。     

雷达与声数据的融合

洛克希德·桑德斯公司正在研究综合声与雷达数据的融合过程。声和雷达数据是高度互不相关的,它们可提供有关每个目标的互补信息。因此,融合过程使之有可能利用组合分类器的输出产生一种可信度高的目标识别(可靠的ID),分类器的输出包括:声波形、雷达信号特征和航迹形状 而由单个分类器进行可靠的识别是不可能的。通过融合过程可以减少目标位置误差和改善量测与航迹的互连过程。 由于融合过程是高度非线性和自适应的,因此,仿真是必不可少的。用多次重复的具有嵌入式传感器模型的仿真来建立多目标情景,以便激励融合过程。在仿真情景期间,用测量的声和雷达数据产生传感器输出的逼真描述。融合过程对分类和传统的跟踪器使用了神经网站。使用与目标ID有关的数据,以便选择最优的跟踪器参数。 对雷达和声数据的特定实例,验证了使用仿真来设计传感器融合处理的方法。然而,这种方法对于各类型的传感器或数据融合也是有价值的。例如:可在非军事应用中使用仿真,在这种应用中有关复杂系统状态的多源数据可用来控制其他数据和收集并做出最优决策。一般,仿真可用任务级指标,如成本、生存概率和杀伤概率来评定融合过程的好处。仿真对于优化融合过程的任何自适应“子部件”如神经网络来说是必不可少的。     

基于时序特征编码的目标战术意图识别算法?

对战场目标战术意图的快速、准确和自动识别,是智能决策的前提和基础。目标战术意图通常由多个战术动作组合完成,因而目标状态呈现动态、时序变化特征。本文针对目标意图识别问题的特点,提出一种基于栈式自编码器（ SAE）的智能识别模型,设计智能识别模型的基本框架,提出一种基于时序特征的输入信号编码方法及相应的模式解析机制,通过将目标状态在多个时刻的时序特征和战场环境、目标属性等信息统一编码为输入信号,将军事专家的知识经验封装为模式标签,模拟人的推理模式与认知经验,实现对目标战术意图的智能识别。最后通过实验,分析预训练过程和网络深度对算法性能的影响,并通过与多层感知机（MLP）和逻辑回归分类器（LRC）识别准确率的比较,验证所提SAE算法的有效性。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

多平台纯方位信息融合结构及关联估计联合优化模型

在多平台纯方位信息融合中,存在多平台的方位关联和单平台的参数估计(或目标定位)困难,因为两者相互依赖和制约。造成相对不同平台的方位不能进行时间空间对准、虚假目标不能消除。为此,提出了一种分布式信息融合结构,并建立了相应的数据互联与参数估计联合优化模型。在这种结构和模型中,首先由各平台对本地传感器探测的纯方位信息完成融合并输出方位序列,然后在融合中心按分层节点对方位序列的数据互联与参数估计进行联合优化处理,每个融合节点仅处理两个平台信息,最后节点输出融合结果。仿真计算结果表明,这种优化模型是解决关联和估计问题的一个有效方法,可以提高多平台纯方位信息融合的性能。     

模糊理论与D-S理论在指控系统目标识别融合中的应用

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,模糊理论与证据理论(D-S)是主要的技术之一.在某试飞指控系统中,为了获得可靠的识别结果需要目标识别的融合问题.系统的从实际出发提出了基于模糊理论与D-S理论的目标识别融合方法.仿真计算结果表明,该模型和方法具有方法简单、运算量小和识别结果可靠等优点,具有一定的理论意义和使用价值.     

弹道导弹微动模型及微多普勒特征研究

通过微多普勒可以提取弹道导弹目标的微动特征,利用弹头和诱饵微动特征的差异可识别出真弹头.运用角动量守恒定理分析了弹道导弹目标在各阶段的微动形式,运用叉乘矩阵、泰勒级数等原理,推导出了弹道导弹目标的微动模型,给出了弹道导弹目标的微多普勒计算公式,从理论上分析了其微多普勒特征.利用时频分析方法从回波信号中提取了弹道导弹目标的微多普勒,从回波信号中提取的微多普勒与理论上计算的微多普勒一致,表明分析方法有效,结论正确.     

模糊理论在多传感器信息融合中的应用

利用模糊控制理论能较好解决不确定性问题的特点,将测量信息融合问题融入模糊控制问题中来提高多传感器系统的测量质量;提出模糊融合模型,并介绍了将传感器信息作为模糊控制输入的模糊化问题,以及相应的模糊规则的建立、模糊推理和清晰化处理;提出以相交论域中心作为多传感器的事实来进行兼容度和激励强度的解算;最后进行相应的仿真说明及分析.     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

基于灰色关联的预警系统目标识别

针对弹道导弹预警系统目标识别任务的特点,通过分析弹道导弹和飞机目标间的运动特性差异,采用灰色关联分析方法建立了目标类型识别模型,给出了进行目标类型识别的具体步骤。该方法直接从雷达测量数据出发,具有简单、准确的优点。具体的算例验证了基于灰色关联分析的目标类型识别模型应用于目标识别的可行性和有效性。     

基于Matlab的线性拟合计算

对于弹道导弹,由于其运动受多种因素的影响,因此描述其运动的微分方程是极其复杂的,而且,方程中的部分参数是通过对试验数据的科学处理获得的.为了建立数学模型,有时用数据拟合的方法对试验数据进行处理.运用单变量、多变量的线性拟和方法,给出了"单输入/单输出"、"多输入/单输出"的线性拟合模型,并针对拟合模型中未知参数的确定问题,给出了基于最小二乘的线性矛盾方程组的求解方法.通过仿真计算,能够得到较高精度的计算结果.最后,给出了Matlab的实现方法,并给出了一段具体的实现程序.     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统，基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ　模糊规则给出了一种系统预测模型，分别用模糊Ｃ－均值聚类算法和线性回归方法导出模型参数．利用该模型对舰船维修经费进行了预测，并进行了精度分析．     

ATR系统中多传感器的信息融合研究

在复杂和瞬变的战场环境下,为了提高武器系统的快速反应、防御和攻击能力,目标探测、识别、跟踪系统需要采用多个传感器,其信息要求自动融合。文章研究了在信息融合中多传感器的选择问题;分析了数据级融合、特征级融合和决策级融合;提出了特征评价概念和方法;并讨论了其它相关问题。     

基于概率模型的弹道导弹突防措施分析

从作战效率的角度,建立多层防御系统的概率模型,分析单层防御系统性能变化对整体的影响;建立目标毁伤概率模型,分析单个目标命中概率对单层防御系统性能的影响;建立单层防御系统的贝努利实验模型,分析识别能力和毁伤能力对系统效能的影响.通过这些简单的概率模型,反向分析探讨了针对分层防御系统的弹道导弹突防问题.