目标协同跟踪系统图像监控软件流程设计

为更好地对复杂战场环境下敌方目标运动状态作出精确估计并实施精确打击,提出了构建基于多传感器的目标协同跟踪系统的设计方案。设计的系统主要由可见光无人传感器平台、指挥控制中心、传输设备组成,重点阐述了指挥控制中心图像监控软件设计流程。该系统的设计为进一步研究基于微波、毫米波、红外、可见光等混合多源传感器的目标协同跟踪系统提供一定的参考价值。     

一种基于粒子群优化算法的异构传感器分配方法

针对复杂的战场环境下目标环境机动性增强、传感器资源相对不足且单一传感器获取空间目标信息不完备问题,结合传感器节点自身的性能特征,考虑传感器的抗干扰性能等因素,提出一种传感器信息感知能力评估指标体系,并构建了传感器感知能力定量评价模型,计算出传感器指数.再利用传感器指数,考虑了覆盖率、电磁环境变化、态势变化等因素作为目标函数,研究基于粒子群算法的传感器分配方法,以实现传感器位置的最优分配及感知能力最大化的需求.仿真结果表明,将粒子群优化算法用于该研究,提高了传感器的总体感知能力和资源有效利用率.     

基于卷积神经网络和随机森林的毁伤效果评估方法

目标毁伤效果评估是现代化战争中的重要一环。针对传统的毁伤效果评估方法无法区分目标特征与背景特征而导致评估结果不准确的问题,提出了卷积神经网络(convolutional neural network,CNN)和随机森林(random forest,RF)相结合的方法,记为CNN-F算法。通过卷积神经网络处理图像,提取图像特征,再使用随机森林替换卷积神经网络中的部分全连接层和softmax分类器进行目标毁伤结果分类。实验结果表明,该算法在准确度、精确度、召回率和F₁值4个指标上都达到了较高的水平,达到了83.050%、83.585%、83.050%和82.945%,其评估结果可以为指挥员下一步决策提供参考。     

基于深度学习的自组织态势感知与决策系统

针对巡飞弹武器平台,如何提高态势感知的精准性和实时性以及作战任务自主决策的准确性,已成为当前的一个研究热点.结合以深度学习技术为代表的人工智能最新研究成果,提出基于深度学习的目标识别模型、任务自主决策模型和任务规划模型,并将模型应用于巡飞弹武器平台,提升巡飞弹武器平台协同作战任务的自主决策和智能规划能力.