知识图谱的预警探测体系探测效能贝叶斯评估方法

战争中,预警探测体系作为典型的复杂系统,其探测效能发挥情况的有效评估一直是亟需人们研究解决的重要现实问题.突破了传统效能评估方法的局限,在分析了知识图谱技术、贝叶斯评估方法基本原理的基础上,提出了基于两者综合运用的预警探测体系探测效能评估新方法,利用专家知识和实验数据构建知识图谱,并进一步使用贝叶斯网络方法实施知识推理...     

基于时间延时的调频步进频率ISAR欺骗干扰

逆合成孔径雷达由于其独特的成像原理,具有比普通雷达更强的抗干扰能力。调频步进信号具有在保持瞬时带宽较小的同时通过合成宽带技术获得距离高分辨,降低系统实现的复杂度的优点,提出了一种基于时间延时的对调频步进信号体制成像雷达欺骗干扰方法,利用对调频步进雷达接收到的回波信号进行距离向延时和方位向延时后转发,从而合成假目标对调频步进频率ISAR进行欺骗干扰。仿真结果表明这种方法行之有效。     

基于深度学习的战场态势评估综述与研究展望

适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型.     

一种慢速运动目标ISAR子孔径拼接方法

ISAR成像是现阶段一种被广泛研究的重要技术.首先阐述了利用距离一多普勒算法对线性调频体制ISAR的成像原理.在此基础上,针对慢速运动目标的特点,提出了基于相位补偿的子孔径拼接处理方法.该方法可以明显改善成像效果.利用滑翔机模型进行仿真验证.其仿真结果证明了其可行性和有效性.     

基于补偿调制的ISAR电子伪装干扰技术

逆合成孔径雷达(ISAR)是一种高分辨率微波成像雷达体制,也是成像雷达的重点发展方向之一。由于其成像是通过对距离向和方位向二维压缩实现,因此比普通雷达具有更强的抗干扰能力。针对线性调频信号体制ISAR,提出一种基于补偿调制的电子伪装干扰方法,通过对截获到的敌方雷达辐射信号进行相位补偿调制模拟出目标任意散射点的回波信号并转发,达到了伪装干扰的目的。最后的仿真实验证明了所提方法的有效性。     

基于深度学习的战役初始态势认知方法

战役初始态势不仅影响着整个战役进程,而且对战役筹划的影响也极为显著。以深度学习为代表的人工智能技术突飞猛进,为我们利用人工智能技术实现自动识别复杂的战役初始态势、模拟战役指挥员的经验知识带来了契机,作者就此问题进行初步探索性研究。对战役初始态势的概念及其类型进行了介绍,探讨了基于深度学习的战役初始态势认知模型构建,对模型构建步骤、输入和输出的设计进行了探讨,对卷积神经网络的基本思想、结构、训练进行了介绍,在示例中介绍了样本数据的录入程序、卷积神经网络的具体结构与应用程序,验证了方法的可行性与有效性。所提出的战役初始态势认知方法可以在一定程度上获得指挥员对战役初始态势的经验知识。     

含旋转部件目标微多普勒特征提取方法

旋转和振动是目标微动中最常见的两种运动形式,目标微动会产生微多普勒现象,而微多普勒特征被认为是微动目标所具有的独一无二的特征,可以用来确定目标的性质,实现对目标的自动识别与分类.在线性调频信号体制下,运动补偿后利用含旋转部件目标在谱图域中的特殊表现形式,针对旋转半径的不同,分别使用不同的方法,有效地分离并提取目标的微多...     

扇形航路雷达探测式反潜巡逻机绩效评估方法

在军事领域研究中,反潜巡逻机绩效评估问题是个关键性的军事和技术问题,需要重点研究解决。传统的方法通常计算复杂或主要依赖于人的因素,不利于解决绩效评估问题。因此,如何寻求相对便捷的、简单的,且尽可能客观的评估方法,是有待研究的重要问题。针对这个问题展开了一定的研究,在论述分析了扇形航路雷达探测式反潜巡逻机工作特点的基础上,通过建立合理的数学模型,提出了一种面向反潜巡逻机绩效评估的新方法。该方法通过对机载雷达探测工作方式下的扇形搜索区域面积和持续巡逻时间进行概略评估,达到了简单、便捷的效果,可客观、合理、高效地实现一定的反潜巡逻机绩效评估。实验案例验证了所提方法的有效性。     

基于贝叶斯推理的海战场空中目标意图分层识别方法

针对海战场敌方空中目标意图识别方法都是一次性完成空中目标的意图识别,会在运算过程中带来消耗时间较多、效率较低的问题展开深入研究,在给出了海战场敌方空中目标相关特征参数计算和筛选公式的基础上,结合目标意图特点,依据指挥员的思维逻辑,提出了一种基于贝叶斯推理的海战场敌方空中目标意图分层识别新方法。该方法运用分层思想实现对更关注的目标意图更快捷的贝叶斯推理识别,可作为常规方法的简化过程,因此,可减少消耗时间,提高识别效率。基于实测数据的仿真实验验证了所提方法的有效性。     

基于深度学习的战场态势高级理解模拟方法

当今军事领域问题的研究已步入了信息化主导的大数据时代,传统的智能辅助指挥员完成战场态势理解已遇到了瓶颈,亟需探索突破。认知智能中深度学习的提出可为该问题的突破提供契机。通常,指挥员进行战场态势理解是分层次的。其中的高级理解则需要深度学习来模拟。就此,展开了探索性研究。概述了战场态势评估的相关概念,分析了指挥员理解战场态势的思维模式,掌握了指挥员理解战场态势时的主要步骤,并结合深度学习运行原理,提出了一种基于深度学习的指挥员战场态势高级理解思维过程(以判断敌方对我方可能的主攻方向为例)模拟方法,该方法利用认知智能中的深度学习(以CNN为例)对指挥员战场态势高级理解过程进行非线性拟合处理,从而达到探索性模拟的目的,仿真实验结果验证了该方法的有效性。