面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

采用双树复小波结构相似性度量的景象匹配北大核心

以基于人类视觉系统的图像结构相似性度量为基础,双树复小波变换为工具,将复小波变换域下的结构相似性度量应用于景象匹配系统中,提出了对于图像空域变换具有较强鲁棒性的景象匹配方法。测试试验表明,双树复小波结构相似性度量从较大程度上反映了相比较图像在结构方面的相似性,同人类视觉认知系统更接近;同时由于复小波的近似位移不变性,该指标对于实时图存在对比度、光照变化等干扰情况表现出较好的鲁棒性,更适合作为复杂成像条件下景象匹配的相似性度量指标。景象匹配实验表明,该方法在复杂干扰下具有更高的正确匹配率。     

图像标注研究及其在情报处理中的应用

图像数据具有直观、信息量丰富等特点。图像标注方法通过获取图像特征,训练语言模型,实现用自然语言自动描述图像信息。简要介绍了图像标注方法的分类及其相关关键技术。研究表明,通过对大规模图像的自动描述,能更好地管理、分析海量图像信息,能高效地对图像进行分类、检索。结合特定的信息处理技术,图像标注可用于发现有价值的情报信息,为国防安全、战略决策等提供信息支撑。     

美国陆军数据战略目标及实施

为深入研究美陆军数据战略目标及实施策略,为我军数据战略研究提供借鉴,文章对美陆军2016年发布的最新《陆军数据战略》进行分析,指出其目标是实现数据的可视化、可获取、可信任、可理解和互操作,并对美陆军数据战略的具体实施策略进行了剖析,指出美国陆军数据战略推动的是美军军事作战理论转型,从"网络为中心"转变为以"数据为中心"作战理念,其核心意图在于以数据优势实现指挥决策优势。     

用数据评估支撑军民深度融合

对军民融合各领域、各层面、各阶段进行相应的科学评估,是确保决策方向正确、规划方案符合实际、措施手段可行高效,建设目标能够达到设想要求的根本途径在美国,1994年被认为是其全面推行军民融合政策的一个重要节点。正是在这一年,美国国会技术评估局推出了《军民融合潜力评估》研究报告,对阻碍美国国防科技工业同更大的国家民用科技工业基础结合的各种因素进行了全面梳理分析,并提出了相应的对策建议和实施军民融合发展的策略办法。美国政府采纳了这份报告提出的大部分对策建议,并随即以此为依据出台一系列关于促进军民融合的     

基于N层向量空间模型的装备IETM数据查询

为了提高IETM数据查询的准确率,通过对数据模块编码层与XML内容层进行分析,结合N层向量空间模型查询算法,从IETM数据模块编码层中的型号识别码、系统层次码、信息码以及数据模块内部数据信息入手,提出了一种基于N层向量空间模型的装备IETM数据查询算法,并通过IETM实例验证了该算法的正确性与实用性。     

大数据生态系统在海军作战中的应用

大数据的开发和使用在海军作战训练过程中的作用愈发突出。介绍了海军作战过程中的大数据特征,在此基础上对美国海军大数据生态系统的体系架构进行了分析,最后给出了我国海军作战大数据建设的现状并提出相应的对策建议。     

地籍数据库点线拓扑一致性并行检查方法

针对拓扑检查算法复杂、计算量大,串行计算已远不能满足海量地籍数据高效拓扑检查需求的问题,在分析了点线拓扑关系的并行特点基础上,将界址点的数据划分方法与界址线的QR空间索引方法相结合,实现了界址点与界址线的并行拓扑计算。用某地区实际的界址点集与界址线集对点线拓扑并行检查进行实验。测试结果表明:并行检查算法的并行效率随着进程数的增加而有所衰减,但稳定在30%以上,加速比达到5以上,且相比于Arc GIS效率提升了30倍以上。并行检查方法以工具的方式集成应用于高性能地理计算平台中,应用效果良好。     

使用融合乘加加速快速傅里叶变换计算的向量化方法

融合乘加指令加速快速傅里叶变换计算的向量化方法,通过变换快速傅里叶变换的蝶形单元运算流程,将传统计算方式中独立的乘法和加法操作组合成次数更少的融合乘加操作,使得时间抽取法基2快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的10次乘(加)操作减少到6次融合乘加操作,时间抽取法基4快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的34次乘(加)操作减少到24次融合乘加操作;优化了蝶形因子的向量访问,减少存储开销。实验结果表明,提出的方法能够显著加速快速傅里叶变换的计算,取得高效的计算性能和效率。     

基于AM-LFM和IRT的旋转微动目标成像算法

在雷达成像中,基于CS的方法因其压缩采样的特性而在高分辨雷达成像中得到广泛应用。然而由于其是一种基于参数化的成像方法,对观测位置误差特别敏感。在实际中,一般无法知道精确的观测位置。观测位置的误差会造成成像结果位置的偏离、散焦以及无法聚焦。针对基于压缩感知的成像算法存在的观测位置依赖性问题,提出了一种基于调幅-线性调频(AM-LFM)分解和逆Radon变换(IRT)的微动目标成像算法。该方法根据分解后信号调频率分离目标微动信号与主体信号,再进行IRT成像。仿真及实验结果验证了算法的可行性和有效性。