基于统计特性的舰船一维距离像方位角分帧方法

舰船目标一维距离像的方位敏感性是利用一维距离像开展雷达目标识别的难点问题。针对该问题,首先根据舰船目标一维成像的机理和特点,分析并验证了舰船目标一维距离像复高斯分布的统计特性;然后,在此基础上利用K-S假设检验对距离像方位角进行自适应分帧,使得每帧的距离像数据符合同一复高斯分布,而帧帧之间的数据符合不同分布;最后,针对分帧后距离像数据的统计分布,利用Bayes分类器进行5类舰船目标识别实验。实验结果表明:自适应分帧算法不仅提高了舰船目标的识别率,还能显著降低识别运算量和存储量。     

基于训练网络的目标检测方法及应用

传统的Faster-RCNN目标检测网络以VGG16作为训练网络,其网络提取能力弱、检测速度慢,提出将inception网络与深度残差网络作为训练网络用于Faster R-CNN。在TensorFlow框架下,搭建相应的网络模型,并选取飞机、车辆、操场以及水箱的遥感图像进行了实验验证。实验结果表明,相比于VGG16网络,基于inception网络与深度残差网络作为训练网络的Faster R-CNN模型在识别精度和识别速度上都具有明显的优势。     

基于K-means和AGNES的未知二进制协议聚类

协议的聚类是协议分析中一个重要的环节,为实现对未知二进制协议高效聚类,提出了一种基于K-means聚类和AGNES的未知二进制协议聚类方法。在对获取的二进制协议比特流进行数据预处理的基础上,先采用K-means算法对比特流数据进行初步聚类,再通过误差平方和、Calinski-Harabasz分数值和轮廓系数确定k值,最后选择AGNES算法将未知二进制协议比特流划分为不同的二进制协议子集。方法有效结合了K-means和AGNES算法的特点,降低了时间复杂度的同时提高了聚类的精确度。对实验数据集的测试结果验证了所提方法的有效性,较为准确地确定了k值,聚类精确度达到了98%。     

基于HHM的军事演习风险识别

军事演习风险对军事演习的安全顺利进行有很大的影响。有效控制演习风险,首先需要全面、系统地识别出军事演习中存在的风险因素。本文在给出军事演习风险定义的基础上,运用等级全息模型(hierarchical holographic modeling,HHM)~([1])的思想和方法建立HHM风险识别模型,对军事演习中存在的风险进行分析和识别,有助于提升军事演习风险识别的准确性和全面性,为军事演习风险的评估和控制打下坚实的基础,对军事演习的安全进行和军事训练水平的提升具有重要意义。     

航母编队反潜目标识别和威胁评估仿真

采用贝叶斯网络模型对目标识别、威胁评估是一种有效的定量分析方法。这里首次将贝叶斯网络模型运用到航母编队作战决策中识别水下目标和评估威胁等级。结合部队实际情况分别构建目标识别和威胁评估贝叶斯网络模型;基于部队实践数据、院校专家和查阅资料构建符合实际情况的条件概率表;最后通过仿真实验对水下目标进行识别和评估威胁等级,对比部队相关数据验证了贝叶斯网络对航母编队目标识别和威胁评估的有效性,能够为航母编队指挥员反潜作战提供一定的辅助决策。     

无人作战飞机自主空战战术动作的分层识别方法

为了对无人作战飞机自主空战战术动作进一步探索,提出了一种基于模糊逻辑推理和时间匹配原则的分层战术动作识别方案。该方案以基本动作序列来衔接基本动作识别层和组合动作识别层。通过模糊逻辑推理方法对基本动作进行识别,将识别的结果以基本动作序列的形式输出;输入组合动作识别层,将时间自动机提取后的组合动作形态与组合动作匹配库进行匹配,确定组合动作的类型。仿真结果表明,分层战术动作识别方案能够有效地识别出无人作战飞机自主空战战术动作。     

基于SVM的控制棒驱动机构滚轮状态评估方法

针对控制棒驱动机构滚轮振动信号非平稳、小样本的特性,提出了一种基于支持向量机的滚轮状态评估方法。该方法首先对信号进行小波降噪,再将降噪后的信号分解为若干乘积函数分量之和,选取包含主要故障信息的分量进一步分析,从这些分量中提取几种特征参数作为支持向量机的输入参数,建立了滚轮故障识别模型。通过对滚轮正常状态、故障状态的分析证明,该方法可以准确、有效地对滚轮的工作状态进行分类。     

基于证据理论的多源信息目标识别

目标识别系统中多源传感器信息高度冲突时,利用DS规则直接融合得出的结果不合理,针对该问题,提出了期望证据融合算法。多个证据融合时,根据两证据间的矛盾信息大小确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量归一化后得到各证据的权重系数,进而求出期望证据,并用DS规则迭代融合。通过数字仿真对多种方法进行了比较分析,表明期望证据法在传感器信息高度冲突时依然可以得到较为理想的融合结果。     

潜艇对水面舰艇编队攻击意图推理研究

为量化编队的对潜攻击意图,首先从潜艇能够获取的信息中提取攻击意图检测值;其次采取基于目标信息要素聚类的编队群体识别,将潜艇探测到的所有目标按照编队分群;最后采取基于可变权多目标决策的编队攻击意图推理将编队攻击意图的明显程度量化为编队攻击意图系数。研究使得编队对潜攻击意图表征成为可能,为威胁判断后续工作打下基础。