敌我识别系统及其进展

从敌我识别系统的应用背景出发,综述了敌我识别系统的发展历程,分析了各种敌我识别系统的特点,比较了毫米波敌我识别系统和激光敌我识别系统的性能,指出了数据融合技术和微米/纳米技术对敌我识别技术发展的重要性.相关研究内容对敌我识别系统的论证、技术体制的选择有参考价值.     

靶场试验与鉴定项目风险管理探讨

靶场试验与鉴定中的风险发生可能会对试验与鉴定目标的实现造成较大的负面影响，要求管理者主动采取有效的风险管理方法来减少风险发生的概率或降低风险带来的损失。鉴于靶场试验与鉴定的项目特性，将项目风险管理的方法应用于靶场试验与鉴定风险管理中，分别从风险管理组织构建、风险识别与评估、风险应对处理策略、风险管理总结评价几个方面进行探讨，为靶场试验与鉴定管理提供借鉴。     

热障涂层厚度及其涂敷下材料内部缺陷的红外定量识别

针对热障涂层结构材料红外定量检测存在的不足,提出基于脉冲相位的LM(LevenbergMarquardt)识别算法。针对研究问题,建立了轴对称圆柱坐标下热障涂层结构材料的瞬态导热模型,利用有限体积法计算出检测表面的温度场,经快速傅里叶变换得到检测表面的相位分布,分析待检测参数对检测表面相位差的影响。以相位为识别条件,采用LM反演算法对热障涂层厚度及其涂敷下材料内部缺陷位置大小进行定量识别,并采用数值实验方法验证了基于相位的LM识别方法的有效性。     

永磁同步电机有限时间抗扰控制方法研究

针对永磁同步电机在实际应用中变负载、磁饱和内外干扰等因素影响下的稳定控制问题，提出了基于super-twisting算法的扩张状态观测器（super-twisting extended state observer,STESO）对总扰动进行准确估计和补偿。通过分析永磁同步电机的动力学模型，构建永磁同步电机的扩张状态模型，并以此为基础设计STESO，在有限时间内实现对永磁同步电机总扰动的准确观测。利用Lyapunov方法分析了STESO的稳定性，并推导了误差收敛时间的表达式。仿真实验结果表明，所提方法在位置和转速控制上响应速度快、扰动影响恢复时间短，相比于PID控制、自抗扰控制和基于改进模型预测的自抗扰前馈控制等方法具有更好的快速性和更强的抗扰性，蒙特卡洛实验结果同样显示所提方法针对参数不确定性具有较强的鲁棒性。     

α-β跟踪滤波器的零极点分析法

利用α-β跟踪滤波器的状态空间方程和离散传递函数之间的转换关系,将位置和速度的滤波及预报估计问题,转化为Z域内讨论根轨迹中零极点的分布问题,对目标平衡跟踪时滤波和估计参数变化规律给予了一种新的解释.     

无人机自主控制应用需求及研究发展分析

随着无人机装备的快速普及,自主控制技术越来越成为提高无人机系统生存能力、适应能力和任务完成能力的重要因素。通过对无人机实战场景和使用需求的分析,提出近期对自主控制技术应用的重要需求是提高无人机感知能力和对故障及飞行状态的适应性。分析了当前自主控制技术在外部态势、内部态势和适应性飞行控制方面的研究和应用现状。最后,根据对应用需求的分析和当前相关技术的发展应用情况的考察,提出了无人机适应性自主控制的技术框架。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

反舰导弹电视制导ATR方法研究——多目标几何识别

本文运用图象处理与图象识别技术,结合应用光学的方法,研究了舰船目标图象识别的有关问题,并提出了一个可用于反舰导弹电视制导的自动目标识别（ATR）系统的方案设想。实验室模拟结果表明本方案具有实现的可行性     

防空作战单元的航迹管理和目标识别

本文以防空导弹作战单元指控系统的航迹管理和目标识别为应用背景,着重介绍单目标和编队目标航迹管理的可行性及存在的间题,并阐述一种改进的目标识别算法.     

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。