基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

利用软件仿真的方法研究信号完整性问题

通过软件仿真的方法研究了信号完整性问题中的信号反射。以实例的形式给出了一种利用仿真估计电路临界频率的方法。在设计开发的早期,利用软件仿真可以得到非常有价值的信息。     

实现大空域变轨的三维虚拟目标比例导引律

为了实现反舰导弹的大空域变轨,提出了一种三维虚拟目标比例导引律。该导引律利用简单的控制指令就能控制导弹完成复杂的大空域变轨。采用变轨弹道可以提高导弹的机动性,有效地对抗敌方反导武器系统的拦截,提高突防能力。同时,采用变轨弹道可以增大导弹的射程,实现防区外发射,从而有效地提高发射平台的生存能力。最后,通过仿真实例证明所提出的导引律是很有效的。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

一种基于方位时延的水下被动目标运动分析算法研究

设计了一种新型的水下被动目标运动分析系统.以测得的方位序列和到达不同传感器的时间差为基础,建立了状态方程和观测方程,运用扩展卡尔曼滤波算法,对系统进行了分析.通过蒙特卡罗模拟仿真实验结果表明,此算法具有收敛速度快、精度高、稳定性好等优点,有着良好的实际应用前景.     

濒海要地防空雷达目标威胁分析与对策

为有效应对未来濒海要地防空作战敌方雷达目标威胁,应按战术任务重点分析警戒引导、武器控制、侦察监视和航行保障等四类目标,准确判断敌雷达可能对我造成的威胁,并从跟踪目标动态、注重预警能力、坚持集优打弱三个方面进行应对。     

基于时频分布的弹道导弹目标识别方法

在弹道导弹目标识别中,微动特征是重要的识别手段。从弹道导弹微动特性时频分析出发,提出一种基于时频分布的弹道导弹目标识别方法。该方法将时频分布图的伪Zeinike不变矩特征作为识别特征。首先对回波信号进行时频变换以获取时频图像;然后为了降低噪声的影响,对其进行图形预处理;最后给出了伪Zernike不变矩提取步骤及识别特征的选取原则。通过仿真实验,分析了不同特征组合对识别率的影响,评估了不同信噪比下识别方法的稳定性。实验结果表明,该方法具有一定稳定性,可用于弹道导弹目标识别。     

基于CUDA GPU的多摄像机场面航空器识别加速算法

基于摄像机的航空器识别是机场场面监视的重要工具。针对多摄像机场面航空器识别算法存在的计算效率低等缺点,提出基于GPU CUDA的加速算法。利用CUDA线程并行处理能力与GPU计算能力,对算法进行了重新设计与优化。通过实地对多路场面视频监视数据进行了多次实验,验证了在NVIDIA Geforce 8800GTS显卡上可实现10倍以上的加速性能,提高了航空器目标识别效率,可以满足机场场面监视中对航空器识别与跟踪的实时性要求。     

用于机动目标跟踪的自适应交互式多模型算法

针对当前统计模型对弱机动或非机动目标跟踪效果不理想等问题,提出了一种修正当前统计模型与匀速模型的自适应交互式多模型算法,可在线修正当前统计模型的加速度极限值,调整过程噪声方差,提高了当前统计模型的自适应性。同时,通过在常规匀速模型中引入机动检测机制,抑制了常规匀速模型对机动目标跟踪的滤波发散,通过引入强跟踪算法,增强了模型对目标突发机动的自适应跟踪能力。仿真结果表明,该算法充分发挥了当前统计模型和交互式多模型算法的优势,对强机动和弱机动目标都具有很好的效果。     

基于新的定位方法的空投技术研究

针对空投技术的定位问题,提出了一种新的定位方法。首先,在空投目标区域放置发射机,发射天线在3个方向形成彼此相交的波束,发射机与3个波束的交点构成中心线,3个波束关于中心线对称。其次,发射天线在3个方向发射相同功率,不同频率的信号。最后,载荷上的接收机实时接收信号,经傅里叶变换得到信号频谱图。3个信号功率相等时载荷位于中心线上,保持现有飞行方向;3个信号功率不等时,根据偏离中心线的位置对飞行方向进行调整,确保载荷能够准确到达目标区域。该方法具有较高的定位精度,能够适应复杂电磁环境。