基于概率神经网络模型的空袭目标识别方法

为了准确、迅速识别空袭目标类型,建立基于概率神经网络(PNN)的空袭目标识别模型。该模型降低了以往空袭目标识别方法中的人为因素,并提高目标识别结果的可信度、快速性和稳定性。最后通过实例验证,证明该模型的有效性和正确性。     

基于前向型神经网络的空袭目标类型识别模型

对防空作战中空袭目标类型识别问题进行了研究 ,给出了进行目标类型识别的指标集 ,并建立了基于前向型神经网络识别模型 ,实例证明该方法是可行的。     

美军航母战斗群空袭火力及其效能分析

以美军航母战斗大队标准编成为例,简要分析了美军航母战斗群的空袭火力构成。进而分析了影响航母战斗群空袭火力效能的主要因素,分别建立了机载对地攻击弹药和巡航导弹对地面目标的毁伤能力的模型。然后以此为基础,从空袭兵器的突防概率、对目标的发现概率、对各类目标的毁伤概率和空袭某一目标所需的兵力四个方面,对航母战斗群空袭火力体系的作战效能进行了深入研究,并建立相应的数学模型。最后根据在历次战争中得到的经验数据,对美军航母战斗群空袭火力效能进行了计算,并分析了计算结果,为科学判断敌情提供了依据。     

美军航母战斗群空袭火力对地攻击效能分析

以美军航母战斗大队标准编成为例,简要分析了美军航母战斗群的空袭火力构成。进而分别建立了机载普通对地攻击弹药和巡航导弹、空地导弹对地面目标的毁伤能力的模型。然后以此为基础,从空袭兵器的突防概率、对目标的发现概率、对各类目标的毁伤概率和空袭某一目标所需的兵力4个方面,对航母战斗群空袭火力体系的对地攻击效能进行了深入研究,并建立相应的数学模型。最后根据在历次战争中得到的经验数据,对美军航母战斗群空袭火力对地攻击效能进行了计算,并分析了计算结果,为科学判断敌情提供了依据。     

美军航母战斗群空袭火力对地攻击效能分析

以美军航母战斗大队标准编成为例,简要分析了美军航母战斗群的空袭火力构成.进而分别建立了机载普通对地攻击弹药和巡航导弹、空地导弹对地面目标的毁伤能力的模型.然后以此为基础,从空袭兵器的突防概率、对目标的发现概率、对各类目标的毁伤概率和空袭某一目标所需的兵力四个方面,对航母战斗群空袭火力体系的对地攻击效能进行了深入研究,并建立相应的数学模型.最后根据在历次战争中得到的经验数据,对美军航母战斗群空袭火力对地攻击效能进行了计算,并分析了计算结果,为科学判断敌情提供了依据.     

地空导弹兵混编群作战仿真研究

应用离散事件动态系统仿真的基本理论,建立了地空导弹兵混编群作战过程仿真模型,并用Arena仿真平台实现了仿真。通过仿真实例,分析了不同空袭目标流密度和空袭目标采取低空突防时对目标突防概率的影响。仿真结果表明,在该实例中,增大空袭目标流密度对目标突防概率没有显著的影响,而采取低空突防对目标突防概率影响显著。最后,对仿真结果进行了分析,证明了仿真模型的有效性。     

基于BP神经网络的空中目标识别

空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。     

基于VD-AiNet聚类算法的空袭目标类型识别

针对防空反导作战中空袭目标类型识别问题,在分析空袭目标的主要类型、识别指标及其识别原则的基础上,将人工免疫算法中矢量距人工免疫网络聚类算法应用于抗体样本训练模块,并建立了抗体训练和目标识别的并行决策模型.最后进行了算例验证,结果表明了算法和模型的可行性和有效性.     

基于黑板模型的空袭目标识别专家系统

在对空袭目标信息进行综合利用的基础上,建立了基于黑板模型的多传感器空袭目标识别融合专家系统模型,模拟专家识别思维.给出了知识库的构造方法和知识的表示方法;推理机的设计结合了问题求解的黑板模型和D-S证据推理方法.该模型对目标的综合应用识别具有很好的借鉴作用,测试表明该系统具有很强的推理能力,融合模型有较高的识别准确性和可靠性.     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.