辐射源威胁评估的一种新方法

直觉模糊集理论极大地扩展了Zadeh模糊集的表达能力,给辐射源威胁评估问题提供了一种新的途径和方法.首先构建了辐射源威胁评估指标的直觉模糊隶属函数.然后分析了集对分析思想与直觉模糊集思想的兼容性,通过集对分析的方法求解出辐射源对于单个属性和所有属性的联系度表达式.最后通过一个排序公式对辐射源威胁进行评估.算例表明了该方法的有效性.     

神经网络的坦克目标威胁评估

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行目标威胁评估及自主射击。以坦克的自主作战为背景,提出了一种基于神经网络的目标威胁评估方法。首先提出了包含来袭目标性质、指战员指令、保卫目标的重要度、我方武器性能值等一套威胁评估指标体系;然后采用神经网络方法进行威胁评估。神经网络方法的优势主要体现在:①考虑了诸因素的相互关联;②充分考虑了战术信息;③权系数对具体环境的适应性;④方法的通用性。实例结果表明,神经网络方法科学合理,为坦克目标威胁的评估提供了新思路。神经网络方法具有普遍意义,能推广应用于其它武器平台的目标威胁评估。     

精确制导武器系统作战效能的LMBP神经网络评估

着眼于武器系统的作战使用,介绍了一种基于LMBP神经网络的精确制导武器系统作战效能综合评估方法.首先,从总体上综合地加以动态权衡,确立了评估的指标体系,其次在阐述BP神经网络相关原理的基础上,对LMBP算法进行了描述,建立了基于该网络的精确制导武器系统作战效能评估模型,最后介绍了该方法的实际应用,并利用MATLAB神经网络工具箱进行仿真,实例证明此方法与其他评估方法相比,基于LMBP神经网络的精确制导武器系统作战效能评估方法具有一定的优越性.     

辐射源威胁排序模糊综合评判

通过对多批目标所载辐射源的威胁程度进行排序来判断多批目标的相对威胁程度是作战辅助决策的一种重要方法。建立了辐射源脉冲重复频率、辐射源方位、辐射源脉冲宽度等辐射源威胁评判指标体系并提出各指标的优属度函数。利用模糊多属性决策理论建立了基于不完全偏好信息的对多批目标威胁大小进行综合排序的模糊综合评判模型。实例证明该模型可行、有效,且便于计算。该方法不仅适用于辐射源威胁综合排序,而且适用于其它多属性决策问题。     

基于卷积神经网络的雷达辐射源识别

随着电磁环境越来越复杂多变,给电子对抗带来了很大的挑战,基于传统的脉冲描述字和信号识别方法已不能满足战场要求。针对复杂电磁环境下的辐射源精确识别问题,将基于相控阵雷达辐射源的细微特征,主要是包络特征和相噪特征,对其进行分析建模,并结合卷积神经网络提出了一种基于雷达中频数据和一维卷积神经网络的雷达辐射源个体识别方法,训练一维卷积神经网络来学习雷达辐射源信号的有效特征并进行识别。最后在不同信噪比条件下进行了识别仿真实验,得到了较好的识别正确率,证明了该方法的有效性和可行性。     

基于支持向量机的海战场辐射源威胁评估

提出一种基于支持向量机的辐射源威胁评估方法.基于统计学习理论的支持向量机方法,其在小样本情况下表现出了极好的优越性,能够较好地完成威胁评估.实验表明,支持向量机可以很好地逼近专家评价的结果,并且要优于一般的神经方法.     

基于GIFSS-TOPSIS的辐射源威胁评估方法

针对辐射源威胁评估信息不确定性和属性权重难以确定的问题,将广义直觉模糊软集(Generalized Intuitionistic Fuzzy Soft Sets,GIFSS)与逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)理论相结合,提出一种基于GIFSS-TOPSIS的辐射源威胁评估方法。GIFSS-TOPSIS算法利用直觉模糊集求得直觉模糊集决策矩阵,充分描述了目标属性的确定性、不确定性和犹豫度所有信息,相比经典TOPSIS法,直觉模糊集决策矩阵对目标属性信息的描述更加全面、确切。此外,提出一种主客观权重结合的权重优化模型,规避传统TOPSIS法主观赋权的局限。仿真分析表明,该算法具有较好的可行性与有效性,相比经典TOPSIS法可信度增强,评估结果更加客观合理,可用于辐射源威胁评估。     

综合优先级的被动雷达任务自适应调度算法

综合考虑影响威胁度的5个参数,给出辐射源威胁度评估准则与方法。将辐射源威胁度参数融入被动雷达任务优先级的设计中,提出一种综合优先级算法(HTHPEDF),根据辐射源威胁度动态地调整任务优先级。运用该综合优先级算法实现任务自适应调度,设计调度收益与调度代价的评价函数。通过仿真验证了算法的有效性,该算法以较低的调度代价获得较高的调度收益,可有效提升任务综合调度能力。     

基于熵权的改进型多指标综合评估方法及应用

提出了一种基于熵权的改进型多指标综合评估方法。在分析目前构建效用函数存在一定缺陷的基础上提出了一种较为理想的效用函数 ,以实现不同类型、不同量纲原始数据的标准化 ,同时较好地体现了“奖优罚劣”的原则。定义了评价指标的熵和熵权的概念 ,并提出了基于熵权的多指标综合评估的基本算法。以某企业为例对其经济效益进行了综合评估和结果分析 ,并讨论了基于熵权的改进型多指标综合评估方法的优点。     

编队辐射源威胁估计研究

针对编队辐射源威胁估计结果在用途上的不同要求,以编队辐射源识别过程为依据,提出了便于编队指挥员把握战场电磁态势的宏观辐射源威胁等级划分方法,并以此为基础,利用多属性决策理论研究了微观编队辐射源威胁系数的计算方法,并以编队电子对抗中的融合识别为例给出了仿真实例。实例表明,该方法可实现编队辐射源威胁估计结果在宏观与微观使用上的统一。     

基于贝叶斯网络的空中目标威胁估计方法研究

针对当前威胁估计中存在的问题,提出了基于贝叶斯网络的空中目标威胁估计方法。文章从威胁估计的概念出发,构建了基于贝叶斯网络的威胁估计功能框架,在对输入的防空作战事件进行分类定义的基础上,给出了事件关联在贝叶斯网络中的实现方法,同时对模型的建立步骤进行了说明。文中提出的威胁估计方法在融合了目标威胁先验信息的基础上,通过战场观测到的不确定信息进行推理,其结果具有很强的可信性,相应的建模思路可为威胁估计系统的构建提供有益的参考。文章的最后以一个示例说明了方法的有效性。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法，该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷，基于Tent映射提出混沌双扰动的思想，并加入粒子群算法的进化过程，实现对粒子群算法的改进；之后，利用该新算法训练BP神经网络的初始权值和阈值，建立目标威胁估计模型和算法；最后，将该方法应用于实例中进行仿真，结果表明该目标威胁估计新算法具有较高的准确度。     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.     

在TMS320C6201上实现时延神经网络目标识别算法

本文介绍了一种基于TMS32 0C6 2x的软件设计方法 ,在TMS32 0C6 2xEVM板上实现了宽带毫米波雷达目标时延神经网络识别算法 ,通过程序验证 ,取得了比较好的处理效果。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

神经网络在雷达装备故障趋势预测中的应用

为了提高预测精度,在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型。通过普通BP网络预测模型引出基于指数衰减的神经网络预测模型,经验证预测精度较高。并介绍了雷达装备状态监测与故障趋势预测系统构成,此系统对于雷达装备的早期故障预测和预防性维修具有重要意义。     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

基于BP神经网络的装甲战斗车辆性能指标需求方案评价

针对现行评价方法存在的问题,本文提出了一种基于BP神经网络的装甲战斗车辆性能指标需求方案评价方法。首先给出了装甲战斗车辆性能指标需求方案评价的指标体系,然后阐述了基于BP神经网络的装甲战斗车辆性能指标需求方案评价步骤,最后给出示例证明了方法的可行性。研究表明,该方法能够降低评价过程中人为因素的影响,从而提高了装甲战斗车辆性能指标需求方案评价的准确性。     

SOJ干扰条件下雷达网目标跟踪条件CRLB

针对雷达检测概率评估雷达网抗干扰效能方法的局限性,通过对雷达天线和检测概率模型的分析,利用单雷达检测/漏检事件,推导了干扰环境下雷达网的条件CRLB,给出了干扰条件下目标跟踪误差所能达到的一个下界,从而提出了组网雷达基于条件CRLB的效能评估方法,同时从理论上证明了雷达组网的优越性。实验仿真结果表明,SOJ干扰下,利用CRLB可以很明显地证明雷达网融合跟踪比单部雷达性能要好,能比较准确地评估干扰环境下雷达网的性能,因此所述方法具有一定的实际工程意义。     

基于BP神经网络的空中目标威胁排序

研究了BP神经网络算法对空中目标进行威胁排序的方法.水面舰艇对空防御作战中,舰载平台多传感器系统获得空中目标属性信息不完全,利用BP神经网络建立目标各属性权值的分配模型,通过大量的实例对模型进行训练,可以使所获得的空中目标属性信息得到充分利用,从而得到基本符合战场环境的客观的空中目标威胁排序.