一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

地对空雷达对抗的压制概率和干扰任务分配

本文引进压制概率这一概念作为衡量雷达对抗作战效能的数量指标 ,给出了地对空雷达对抗压制概率的计算方法。利用搜索论、规划论、雷达原理、雷达对抗原理建立了一个地对空雷达对抗干扰任务分配模型     

高寒山地机动作战对压制武器的要求

本文所列的几点要求,实际上也是对所有压制武器的要求。但是,在高寒山地作战条件下,这些要求具有更为特殊的意义。本文还提出了一些具体措施和设想。     

压制干扰环境下目标跟踪的改进粒子滤波算法

针对压制干扰环境下传统粒子滤波算法跟踪效果不佳的问题,在传统粒子滤波算法的基础之上,融合压制干扰条件下的有用量测信息,构造了一种新的粒子滤波算法。在算法的实现过程中,通过采用伯努利(Bernoulli)分布重新构造了压制干扰环境下发生量测数据丢失的传感器模型,在此基础上通过充分考虑有效量测值以及量测丢失时的一些有用量测信息,推导出了闪烁噪声条件下的似然函数,直接用于粒子权重更新的计算,并且通过纯方位跟踪以及协同转弯机动模型,仿真验证了该算法极大改善了标准粒子滤波算法的稳定性和提升了粒子滤波算法的估计精度。     

FRFT应用于雷达抗主瓣压制干扰技术研究北大核心

压制干扰信号从天线主瓣进入雷达接收机,会严重影响雷达的性能,通常的副瓣抗干扰技术难以奏效。线性调频(linear frequency modulation,LFM)信号在分数阶傅里叶域(fractional Fourier transform,FRFT)会出现能量高度聚集的现象,利用LFM信号的这一特征,提出了基于FRFT的雷达抗主瓣干扰技术。首先对接收到的主瓣干扰混合信号进行FRFT处理,然后在FRFT域滤波去除大部分压制干扰和噪声的能量,最后FRFT逆变换恢复出目标信号。仿真实验表明,新方法对脉冲压缩以后的峰值信噪比有较大的改善,较大地提高了脉冲压缩雷达的检测性能,具有良好的应用前景。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%~18.2%,并且具有更好的识别稳定性。     

探潜神耳:世界先进机载 吊放式声纳一瞥

吊放声纳是反潜直升机的重要装备,主要用于对潜艇的搜索、跟踪、测向、测距、测速及目标识别。它利用反潜直升机机动灵活、能较快飞至潜艇出现海域的特点,可在短时间内搜索大面积海域,探潜攻潜。     

“水下蛟龙”要变身?

潜艇以其隐蔽性能好、机动能力强、突击威力大等独特性能被誉为"水下蛟龙"。如今,潜艇将迎来又一个快速发展的新时期。有军事专家称,一批机理独特、性能优异、战斗力更强的新概念潜艇将呼之欲出。真正的"幽灵":隐身潜艇能隐形潜艇一旦失去隐蔽性,将成为非常脆     

雷达组网系统抗压制干扰部署优化算法研究

针对雷达组网系统抗压制干扰部署优化问题,讨论了雷达及其组网系统的残剩可探测区动态定量评估模型,定义了雷达及其组网系统的探测能力下降指数、雷达装备利用率及其抗干扰效能指数,给出了一套完整的组网系统抗压制干扰综合效能动态定量评估模型、优化布站决策模型及相应的实用算法。3部雷达组网的仿真试验证明了其有效性。