BP神经网络在无源雷达目标识别中的应用

目标识别技术是无源雷达的关键技术之一.针对无源雷达目标识别的特点,在分析空中目标类型和目标表征的基础上,建立了基于BP神经网络的目标识别模型,并对设计该模型涉及的基本问题进行了详细分析,最后运用该模型对给定特征的空中目标的进行了实验.实验结果表明,该模型提高了目标识别的稳定性和准确性,是有效可行的.     

基于波形骨架的信号细微特征识别

从渡形这一原始信号特征来分析信号细微特征,研究建立一种渡形骨架提取的信号细微特征识别模型,强调利用主曲线来提取渡形的原始骨架,采用分形进行骨架比对,借此识别不同信号源发出的信号.依据信号源细微特征产生机理,设计仿真实验,验证波形骨架提取的信号细微特征识别模型可靠有效.     

激光成像雷达自动目标识别技术综述

现代战争复杂战场环境对精确制导武器的性能提出了越来越高的要求,激光成像雷达逐渐成为一种很有发展潜力的新型制导方式.介绍了激光成像雷达自动目标识别技术的研究现状,分析了激光成像雷达自动目标识别存在的问题,对激光成像雷达自动目标识别的技术途径进行了详细的综述.     

空中目标敌我识别模型

首先阐述了目标敌我识别的概念及其重要性.接着建立上级指定、外部情报、飞行计划、敌我识别器、目标电子干扰、目标机动特征、目标速度特征和目标群特征等主要识别因素的识别模型和准则,并给出了目标敌我识别的判断逻辑.最后采用加权求和法构建了目标敌我综合识别的数学模型.研究成果可作为指挥员进行人工敌我识别判断的思维逻辑,也可作为开发程序化的自动敌我识别软件的建模依据,对防空指挥控制系统发展具有参考价值.     

基于TOPSIS方法的自动目标识别作战能力评估

自动目标识别(Automatic Target Recognition,ATR)效能评估是ATR系统相关研究中的一个重要的研究方向.针对现有研究的不足方面,重点研究了ATR效能评估的概念、建立了作战能力指标体系和基于TOPSIS方法的作战能力评估模型,并对指标体系的合理性和评估方法的适用性进行了分析.研究解决了ATR效果评估所涉及的部分重要问题,具有较强的军事应用价值.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

模糊理论与D-S理论在指控系统目标识别融合中的应用

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,模糊理论与证据理论(D-S)是主要的技术之一.在某试飞指控系统中,为了获得可靠的识别结果需要目标识别的融合问题.系统的从实际出发提出了基于模糊理论与D-S理论的目标识别融合方法.仿真计算结果表明,该模型和方法具有方法简单、运算量小和识别结果可靠等优点,具有一定的理论意义和使用价值.     

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。     

多传感器目标识别融合模型研究

针对目标识别中传感器正确识别概率、目标识别先验概率等参数难以求取问题,提出将目标识别集合划分为子集,证明了目标相对于目标识别子集的潜在概率分布与目标隶属于目标识别子集的置信度对应关系,在选取目标识别置信度距离测度基础上,建立了目标识别置信度的最优融合模型,实现了多传感器目标识别决策级融合.     

基于弹道目标重诱饵摆动的微多普勒及其特征提取研究

通过巧妙地引入目标初始坐标系,并利用目标初始坐标系和目标坐标系的关系,建立了再入初段重诱饵摆动的数学模型,推导出了重诱饵摆动的微多普勒理论公式.首次提出了用时域自相关法和频域倒谱法来提取微多普勒变化周期,并用傅里叶变换法提取微多普勒的最大值,仿真结果证明了上述方法的正确性和有效性.