利用两个被动方位绘算来袭鱼雷距离方法

基于来袭鱼雷处于与被攻击运动舰船相遇航向上的前提,在被攻击运动舰船通过声纳被动方式测取到来袭鱼雷的第1个方位后,被攻击运动舰船立即进行改变速度矢量的机动,速度矢量改变后,被攻击运动舰船以被动方式测取来袭鱼雷的第2个方位,并利用此时与第1个方位值相等的来袭鱼雷虚拟方位,绘算确定来袭鱼雷的距离.如果来袭鱼雷实际处于与被攻击运动舰船相遇的航向上,则确定的来袭鱼雷距离就是准确的.     

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。     

基于勾股模糊集的水中目标威胁评估方法

针对水下蛙人对近岸水域构成的严重非对称威胁,对于水中目标威胁评估是实现技术防御的基础。基于水下非致命主动拒止防御系统技术方案,应用勾股模糊集理论对水中目标进行威胁评估,设计了分段型隶属函数对目标属性进行勾股模糊化处理,通过离差法确定动态属性权重,结合TOPSIS理论,通过勾股模糊集距离测度进行威胁度排序;在该方法基础上,提出了非致命主动拒止防御系统发现、预警、拒止时机的设定方法,架构了系统决策流程图;通过实例分析,验证了评估方法和系统决策时机设置的合理性、优越性,为非致命主动拒止防御系统的实际应用提供了参考。     

构建野战干线节点通信网模型研究

本文从野战干线节点通信网(以下简称“干线网”)的实际组织运用入手,分析了影响干线网组织运用的主要因素,提出了量化这些因素的方法和量化值,并根据面向对象的分析设计原则,进行了数据类型抽象和类层次模型的构建。     

一种基于CAE的HRRP去噪重构与识别方法

针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明：在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。     

基于犹豫度特征改进的新的直觉模糊相似度

直觉模糊集之间关系的密切程度可用相似度来度量。近年来提出了多种定义两个直觉模糊集相似度的方法,但这些方法对犹豫度的考虑不够,因而计算出的相似度大多存在反例。依据直觉模糊集信息的波动性和不确定性特征,补充拓展定义了直觉模糊相似度,并基于此给出了直觉模糊相似度的计算公式。最后在人工框架测试集中进行了验证,结果不存在反例。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

异型角反射体阵列寻优研究

战时,异型角反射体阵列布放态势将是影响其干扰效果的重要因素。以伯克级驱逐舰为典型舰艇,从雷达散射截面积(radar cross section,RCS)、高分辨率距离像(high resolution range rrofile,HRRP)和极化特征三方面入手,进行了异型角反射体布放间隔和布放数量的寻优,旨在寻找一种与载舰逼近度尽可能高的异型角反射体阵列,为反舰导弹突防研究提供基本理论依据。研究表明:综合考虑RCS,HRRP和极化特征三方面因素时,11个异型角反射体两两间隔5 m布放,能够发挥更好的干扰效果。