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%。     

基于随机加权法的BAYES精度评定

从工程应用的角度出发 ,在极小现场子样条件下 ,讨论了如何利用验前信息与现场子样来对导弹的命中精度进行评定 ,将随机加权法与BAYES方法结合起来 ,提出了基于随机加权法的BAYES精度评定方法 ,并通过算例证实了方法的正确性     

一个最优联勤保障模型

在联勤保障体系中,各兵种自身的特殊性决定了后勤保障的多目标性和多任务性,这些目标或任务之间一般存在着一些冲突。文章通过建立一个多目标规划模型,利用理想点加权法来求解此多目标规划问题,协调并解决这种冲突。     

对数据后处理雷达的多参数协同相关干扰

基于DRFM转发或者重复转发的干扰信号,虽然在功率上能达到干扰要求,但是产生的虚假目标与真实目标缺乏相关性,数据后处理雷达能根据该特性实现对欺骗干扰信号的检测和抑制。针对数据后处理雷达在抑制非相关干扰信号的优越表现,根据不同特征域干扰信号的相关性要求,提出了在幅度域上具有起伏特性,时频域协同一致,方位上具有相关性的干扰信号模型,以保证对数据后处理雷达干扰的有效性。最后在与非相关干扰信号比较中,验证了该干扰方式的有效性。     

基于采样的非线性滤波方法

在系统阐述贝叶斯估计理论的基础上,分析和总结了扩展卡尔曼滤波、Sigma点卡尔曼滤波以及粒子滤波等方法的特点、使用条件以及局限性.介绍了扩展卡尔曼滤波方法并指出其缺陷;介绍了无轨迹卡尔曼滤波、中心差分卡尔曼滤波等确定性采样方法,并在加权统计线性回归意义下将其归结为Sigma点卡尔曼滤波方法;介绍了随机采样方法-粒子滤波方法,并指出其主要的研究方向.最后,对非线性滤波的发展趋势进行了展望.     

多种武器攻击下舰艇装备生命力的加权模糊综合评估

通过应用模糊数学理论中模糊评估法对舰艇装备系统生命力进行了模糊评判 ,建立多武器攻击下舰艇装备生命力加权模糊评估模型 ,并以某舰艇装备的主动力系统回路为例 ,运用所建立的评估模型对其生命力进行具体评估 ,结果分析表明根据加权模糊综合评判模型 ,选用合理的加权系数 ,就能把模糊性很强的装备生命力指标定量化 ,为设备系统设计方案选优提供依据。     

一种16APSK信号载波残余频偏估计算法

文中提出了一种针对16A PSK信号的非数据辅助的载波残余频偏估计算法。该算法以判决后星座点的相位偏转量与判决符号数之间的数学关系为依据,通过对16APSK星座判决区域进行优化,并结合FFT方法求解相位偏转量的周期得以实现。仿真分析表明,在不同的信噪比条件下该算法通过选择适当的估计长度能快速完成高精度的频偏估计。     

基于传感器网络数据融合的目标定位方法

针对传感器网络测试系统在战场及终点效应中的应用,探讨了基于多种传感器网络的目标定位方法,提出了采用最优加权融合估计算法将各种传感器的定位信息进行融合处理,并将融合结果与各种传感器计算结果进行比较,结果证明了经融合处理可以大大提高定位精度.     

基于改进的区域能量特征多分辨率图像融合算法

基于区域能量特征的融合规则在多分辨率图像融合算法中应用很广,但区域窗口较小时,融合效果往往不是最好的,而窗口较大则容易使图像轮廓与非轮廓区域之间模糊,造成融合图像清晰度降低。针对上述问题提出了改进的基于区域加权能量的融合规则,包括矩形区域和近似圆形区域两种,权值与像素距区域中心的距离成反比。仿真表明,两种方法克服了传统的区域能量特征作为融合规则的不足,改善了图像融合的质量。     

雷达干扰效果的Vague集评估方法

雷达干扰效果评估是电子对抗领域的一个重要研究课题.提出用Vague集替代模糊综合评估方法中的隶属度,建立干扰效果的评估指标体系,提出了基于Vague集的雷达干扰效果评估算法,利用Vague集加权距离来判定干扰效果等级.结合实例说明,该方法是可行、有效的.