基于模糊推理的目标对潜发现问题研究

基于模糊推理基本思想,针对潜艇水下收集目标信息的特点,在目标对潜艇威胁信息存在不确定性因素的基础上,建立了判断潜艇被发现与否的指标体系,应用模糊推理方法建立了判断规则,并给出了推导过程和实现方式,在把模糊推理方法应用于潜艇威胁判断模型的研究上做了初步尝试。     

水下军用机器人

水下机器人又称为水下无人潜水器，分为遥控、半自主及自主型，水下机器人是典型的军民两用技术，不仅可用于海上资源的勘探和开发，而且在海战中也有不可替代的作用．为了争夺制海权，各国都在开发各种用途水下机器人，其中有探雷机器人、扫雷机器人、侦察机器人等，     

反无人机视觉检测与跟踪技术进展分析

为应对无人机“黑飞”“滥飞”等对国防和公共安全造成的巨大威胁,反无人机技术研究成为当前迫切的现实需求。首先,对比分析雷达、无线电、声音、机器视觉4类典型的反无人机检测技术;其次,重点针对反无人机的视觉检测与跟踪技术,从目标检测、无人机识别、无人机跟踪等角度,详细分析视觉检测与跟踪关键技术的优势与不足,以及各项技术在反无人机检测跟踪中的应用情况及改进策略;最后,探讨应用中较为突出的检测精度、跟踪遮挡、实时性、数据集收集标准、多技术融合5个方面问题和发展趋势,为相关技术研究提供参考。     

无人机航迹规划中动态威胁评估方法

无人机利用动态威胁评估方法可以对航迹中的动态威胁等级进行评估,然后根据评估结果制定相应的规避策略完成规避动作。针对无人机航迹规划中动态威胁的规避问题,提出了基于模糊离散动态贝叶斯网络的动态威胁评估方法。基于模糊分类的信息处理技术可以处理部分连续观测值问题,基于动态贝叶斯网络的推理技术能利用先验信息和离散的证据信息进行不确定性推理,最后推理评估得到动态威胁等级。仿真结果表明,该评估方法在处理时序上不确定性问题具有较强的优势以及很好的鲁棒性。     

基于低轨道卫星中继的无人机数据链路方案

基于低轨道卫星通信技术,针对高空长航时无人机系统,建立以卫星中继的通信数据链模型.从传统数据链入手,分析其存在的弊端和使用的局限性,并融合现代通信技术,在引用新型编码技术的基础上,给出了新的无人机通信数据链路方案.该设计方案以无人机作战使用实际为基础,极大地提高信息传输能力和信息安全性.     

海上侦察监视无人机发展趋势

使用无人机对海上进行广域侦察监视是有效获取海空情报资源、掌握海上战场态势、维护海洋权益的重要手段.本文从无人机模块化载荷设计、情报自动处理能力、互操作技术等三个方面分析了海上侦察监视无人机关键技术的发展趋势;从装备性能、机体结构、功能应用等三个方面阐述了海上侦察监视无人机装备建设的发展趋势;从协同式侦察、自主式侦察和联...     

基于强化学习的通信受限环境多无人机协同策略

随着人工智能技术的发展,空域无人作战正由“单平台遥控”向“多平台协同”转变。多无人机协同作战任务具有非完全信息、通信受限、高实时、强动态等特点,给协同决策生成带来巨大挑战。针对通信受限环境中的多无人机协同决策问题,提出一种基于动态层级网络通信架构的通信强化学习协同策略,该策略能够显著减少无人机集群间的通信次数,同时准确传递其决策需要的信息,从而得到较优协同策略。针对多无人机协同围捕的典型任务场景,基于OpenAI平台对所提出的算法进行了仿真验证。结果表明,与传统强化学习算法相比,提出的通信强化学习策略可以显著减少无人机间的通信次数,同时在一定程度上避免潜在的信息欺骗问题。完成任务需要的平均通信次数相比于传统两两通信结构减少约77%,为实现通信受限环境中的多无人机协同任务提供技术支撑。     

多无人机协作侦察中的车辆再识别

在多无人机协作侦察中,匹配识别不同无人机侦察发现的装甲车辆,属于车辆再识别任务。近年来,车辆再识别技术在智能交通领域得到了快速发展,但是该技术尚未在军事领域得到充分的关注和应用。本文围绕该技术的发展和军事应用展开研究,一方面,从数据集、特征表示、注意力学习、度量学习、属性学习等方面对民用车辆再识别技术进展进行综述,分析总结了现有技术的优点和劣势,提出了有待深入探索的研究方向;另一方面,以多无人机协作侦察任务为背景,探讨分析了车辆再识别在其中的作战运用方式,并针对战场上存在的计算资源有限、环境复杂多变等因素导致车辆再识别性能下降问题,提出了可能的解决思路。本文研究可为车辆再识别技术在多无人机协作侦察中的应用提供前瞻性参考。     

无人机位置欺骗诱导策略

针对"黑飞"无人机的有效管控及处置问题,提出基于卫星导航定位位置欺骗的无人机诱导策略。结合目标无人机的精确位置信息,利用生成式导航欺骗干扰技术向目标发射虚假的卫星导航定位信号,使目标无人机飞行控制系统得到错误的位置信息,改变飞行姿态,进而偏离预设运动轨迹。通过无人机诱导试验验证了所提策略的正确性和有效性。     

基于飞蛾信息素寻偶机制的无人机集群协同搜索

为了提高无人机集群协同搜索移动目标的效率,提出一种基于飞蛾信息素寻偶机制的无人机集群协同搜索方法。根据飞蛾基于信息素选择飞行方向的寻偶行为,建立信息素图风向模型和飞蛾信息素寻偶模型。考虑无人机机间避撞约束,提出从飞蛾信息素寻偶机制到无人机集群分布式协同搜索的映射,并给出具体实现流程。仿真实验结果表明了所提方法在解决单个移动目标的协同搜索问题时的有效性和稳定性;外场飞行试验表明了所提方法在实际应用中的可行性。     

基于先验信息的海洋移动目标卫星成像侦测任务规划

基于相关先验信息,对大型海洋移动目标进行卫星成像侦察以获取其实时动态信息是卫星成像侦察面临的新课题.利用目标先验信息动态构建其潜在区域,建立其运动预测模型;针对潜在区域构造卫星候选成像观测活动集合;在此集合及目标运动预测模型基础上建立卫星成像调度规划模型,设计遗传算法进行求解,得到近最优的海上大型目标成像侦察方案.最后...     

无人机蜂群通信网络电磁频谱分配问题研究

随着智能、无人技术的不断发展,无人机蜂群技术受到世界各国高度关注,而频谱资源不足和频谱管理等问题已成为制约无人机蜂群发展的重要因素。针对无人机蜂群频谱资源供求矛盾突出和蜂群无人机之间自扰互扰问题,从频域、时域、能域三个方面提出基于非合作博弈的无人机蜂群通信网络频谱分配方法。仿真结果表明,提出的无人机蜂群通信网络频谱分配方法能够有效节省频谱资源、避免蜂群无人机之间的自扰互扰,具有强抗干扰、低能耗的优势。     

援潜救生缆控水下机器人两型机械手研制的若干技术问题

本文介绍了我国自行研制的水下６００米援潜救生兼顾海洋油气开发作业的缆控水下机器人的两型机械手的主要技术性能、特点。笔者还针对水下机器人的工作环境及作业特点,重点阐述了两型水下机械手设计、研制中的若干技术问题,并对水下机械手的设计观点和方法作了一些新的探索和尝试。     

基于压缩感知的无人机图像组合去噪方法

针对无人机图像中存在的多种类型噪声干扰的情况,提出了一种基于压缩感知的无人机图像混合去噪方法。利用移动窗口平滑处理含噪图像中脉冲噪声,并去除该类噪声对图像稀疏性的破坏;对粗去噪图像进行稀疏表示,利用高斯观测矩阵对其测量,通过正交匹配追踪算法重构得到去噪后图像。实验结果表明,该算法改善了基于压缩感知图像去噪方法对含有脉冲噪声去噪效果差的问题,提高了去噪图像的峰值信噪比和视觉效果。     

基于图注意力机制的无人机目标红外跟踪技术

近些年来,无人飞行器逐步普及,给社会治安、空域管制、要地防护等领域带来新的威胁。因此,对高威胁、难辨识的无人机目标进行高准确、高稳定的搜索跟踪有着迫切需求。立足城市环境下的反无人机作战需求,针对无人机易受复杂背景干扰、地物遮挡影响及其姿态尺度变化和快速机动造成的跟踪丢失问题,结合图神经网络与注意力机制,提出一种基于图注意力机制的孪生网络无人机目标红外跟踪技术。基于图注意力机制的局部特征匹配模块,通过节点间的信息传递实现全局信息匹配,通过基于图的特征表示和特征交互,增强从目标模板到搜索区域的信息嵌入能力;目标感知区域选择机制可以适应无人机目标尺寸和姿态的变化;基于运动特征设计的切换策略,实现局部跟踪和全局重检测间的动态选择。实验结果表明,在红外无人机目标跟踪时,运用此方法可以取得稳定的跟踪结果,可以有效应对形变、遮挡、复杂背景干扰等挑战,为实现在城市环境中持续稳定跟踪小型无人机目标提供技术参考。     

导弹打击海上移动目标中的卫星侦察信息精度影响分析

研究卫星侦察信息精度对导弹打击海上移动目标命中概率的影响,对于提高导弹作战效能具有重要意义。根据导弹打击海上移动目标的原理,描述了其作战过程,分析了导弹命中概率影响因素,建立了基于卫星侦察信息精度的导弹命中概率计算模型,并通过蒙特卡洛方法分析了卫星侦察信息精度对导弹命中概率的影响。分析结果表明:在可接受区间内,卫星侦察信息精度对导弹命中概率的影响可以忽略,在可接受区间外,导弹命中概率随着信息精度降低而下降。     

用于堤坝检测的剖面声纳系统实验研究

针对水下堤坝安全检测,提出并设计实现了适合水下机器人等小平台为载体的可用于堤坝安全检测的高分辨率剖面声纳,系统通过获取被测堤坝内部的回波信号,由DSP构成的水下处理单元进行实时信号处理,从而可获得坝体内介质不连续的信息,并由水上分机进行堤坝内部剖面图像的重建及显示。通过水池和外场堤坝工程检测等应用实例,取得了良好的效果,验证了系统技术路线的可行性和性能的稳健性。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

军用无人机技术智能化发展及应用

军用无人机作为收集战场信息和军事打击的新兴手段和工具,以其机动灵活、战场生存能力强等独特优势,能够方便快速地获取战场态势,极大地弥补了传统作战方式和侦查手段的短板和不足。智能无人系统的发展可能会引领军事领域的重大变革甚至改变战争形态。文章介绍了无人机技术在军事领域中的发展和应用现状,并从飞行控制、火控系统、任务规划以及无人机集群等方面浅析了军用无人机技术智能化发展方向。     

基于TensorFlow的四旋翼无人机着陆地标识别

针对多旋翼无人机在无人干预情况下的自主着陆问题,提出一种基于迁移学习的地面标识图像检测方法.该方法基于TensorFlow深度学习框架,使用迁移学习技术在地面标识数据集上重新训练Inception-v3模型以构建新的地面标识识别模型.以四旋翼无人机为例,将其拍摄的着陆坪图片与其他地面标识图片作为训练集输入神经网络,通过多次训练校正神经网络参数.实验结果表明,基于迁移学习的四旋翼无人机着陆地标识别比直接基于In-ception-v3模型的识别效果要好得多,在仅有数千张训练图片的情况下,测试准确率超过90％.在Windows下训练、测试的模型可移植到树莓派3B上,完成了基于Python和TensorFlow开发的程序在不同操作系统下运行的验证工作.