基于PROTOBUF的火力指挥报文编解码的研究与实现

传统的火力指挥信息系统传输时采用固定格式的报文。固定的报文格式虽然容易实现,但是大量的冗余信息会占用本以受限的带宽。为了解决该问题,提出了基于PROTOBUF的编解码方法。该方法同对象化的编解码、可变报文格式(VMF)编解码方法相比,能有效提高编解码的效率,也更加契合火力指挥战术报文的使用。最终实验结果也证明了本方法的有效性。     

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。