紧紧抓住军民融合式发展关键积极推进国防动员体制机制创新

国防动员建设是和平时期积蓄国力、巩固国防的战略性工程，是实现军民融合式发展的重要组织形式和桥梁。新的历史条件下，在推进军民融合式发展的实践中，中央军委胡锦涛主席一再强调，要进一步完善军民结合、     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

FDIA对雷达组网系统数据融合的影响分析

雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。     

一种有效的红外图像融合算法

给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首先利用边缘检测技术对不同尺度不同方向的高频信息进行边缘点的加强,然后以区域的空间频率为度量标准得到新的高频系数;最后进行átrous算法重构得到最终的融合图像。通过两组红外和可见光图像的融合实验,结果表明该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。     

反舰导弹电视制导ATR方法研究——多目标几何识别

本文运用图象处理与图象识别技术,结合应用光学的方法,研究了舰船目标图象识别的有关问题,并提出了一个可用于反舰导弹电视制导的自动目标识别（ATR）系统的方案设想。实验室模拟结果表明本方案具有实现的可行性     

防空作战单元的航迹管理和目标识别

本文以防空导弹作战单元指控系统的航迹管理和目标识别为应用背景,着重介绍单目标和编队目标航迹管理的可行性及存在的间题,并阐述一种改进的目标识别算法.     

一种确定检测时间的方法

在许多作为侦察用的无源传感器只报出其检测结果时,利用此传感器一系列检测报告确定被检测目标何时进入及何时离开此传感器检测区域,成为解决决策级信尽融合问题的关键。本文讨论了一种利用序贯分析方法计算检测时间的近似方法。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

双基地系统中基于信息融合的关联技术

本文讨论了双基地雷达系统中几种基于信息融合的关联技术,提出在干扰条件下应用多卜勒频率和雷达反射面积等目标属性参数,来提高系统对多目标的关联能力。并以仿真手段证明了该关联技术的有效性。