无人机小样本条件下遮挡和混淆目标识别方法

针对无人机对地目标识别过程中的小样本问题以及目标存在的遮挡和混淆情况,提出了一种融合自注意力机制的小样本目标识别模型。在利用元学习思想获取小样本学习能力的基础上,将自注意力机制学习目标内部各部分之间的上下文依赖关系引入模型,从而增强目标表征能力,以解决遮挡和混淆情况下有效特征不足的难题。为验证模型效果,通过对基准数据集和无人机航拍数据进一步加工,构建了遮挡和混淆目标数据集,设置了不同的遮挡程度和背景混淆率。通过在不同数据集上的验证,并与深度学习模型对比,证明提出的模型具有更高的学习效率和识别正确率。     

自适应交叉融合局部特征的空间目标小样本识别方法

针对空间目标在低频次观测的小样本识别场景中,不同姿态下图像表征变化剧烈导致的辨识性特征提取难、图像间特征关联难的问题,提出一种自适应交叉融合局部特征的空间目标小样本识别方法。在现有小样本学习框架上,引入基于自注意力和互注意力的特征交叉融合模块,自适应地学习局部特征之间的相关关系,提高不同姿态下特征提取的判别性和鲁棒性,有效挖掘支持集和查询集之间的相似性,提升存在表征差异条件下的特征关联准确性。同时,在损失函数中引入基于邻域密度的样本标签权重,以解决空间目标数据集中姿态不均衡导致的网络模型学习偏差问题。通过在不同数据集上的验证,证明提出的方法具有更高的识别精度。     

基于深度迁移学习的低分辨雷达目标识别方法

针对低分辨雷达人工目标识别效率较低的问题,提出了基于深度迁移学习的雷达自动目标识别方法。该方法利用雷达回波序列轮廓像构建空中目标数据集,使用深度卷积神经网络自动提取回波数据中的深层特征,并对雷达目标进行分类识别。为了解决深度学习对样本量的巨大需求,在分类模型训练时,引入迁移学习思想,将经ImageNet数据集预训练过的初始网络模型迁移到雷达目标识别任务中,再通过空中目标数据集对模型参数进行微调,实现小样本条件下对空中目标的粗分类。实测数据的结果表明：所提方法能够在小样本条件下较为准确地对空中目标的大小和架次进行分类识别,具有良好的识别性能。     

小样本条件下的通信辐射源个体识别方法

针对通信辐射源个体信号采集困难,可训练样本量少造成的通信辐射源个体识别准确率低的问题,提出了一种小样本条件下的通信辐射源个体识别方法。该方法使用MLSTM-FCN模型提取个体信号的指纹特征,并采用元学习策略对原型网络对进行训练学习,使得特征间的原型分布更为明显。实验结果表明,提出的小样本条件下的通信辐射源个体识别方法相较于其他识别方法识别效果更佳,在信噪比[10 dB,20 dB]情况下的平均识别准确率超过80%。     

基于自适应边际损失的小样本故障诊断方法

针对基于度量学习的小样本故障诊断方法,在模型优化过程中对边际影响的忽略导致模型对训练数据过于敏感,进而产生过拟合。为此,构造了一种自适应边际损失函数,帮助模型学习样本之间的相对距离,以获得足够的距离信息,提高对新样本的泛化能力。另外,根据训练数据的分布和模型的性能,自动调整边际的大小,使其自适应地区分不同的故障类别。为更好地解决小样本问题,提出了元度量学习框架,采用元学习片段式训练模式。在度量模块中,引入余弦相似性以提高方法的表达能力,并指导模型的优化和训练,使其更好地适应小样本数据。为验证所提方法的有效性,使用带故障的无人机飞行日志数据构建了数据集,并将所提方法与传统的度量学习的方法进行了对比。实验结果表明,所提方法在无人机小样本故障诊断中表现出良好的诊断性能和稳定性,为小样本故障诊断提供了一种有效方案。     

基于可变卷积与迁移学习的小样本检测方法

针对主流方法对弱小目标识别效率低的问题,提出了一种基于可变卷积与迁移学习的小样本检测方法。基于可变卷积思想改进特征提取主干网络,实现在少量数据上达到和普通卷积在大量数据上相等的学习能力。设计一种Soft-NMS共同作用的方法降低多目标重叠容易出现的漏检问题。通过在公开数据集PASCAL VOC和实测弱小目标数据集上的实验表明,所提算法实现小样本条件下对实测弱小目标的检测与识别,且与原始方法相比性能有显著提高,在公开数据集上较原算法提高了5.5%,在实测数据集上较原算法提高了8.3%。     

基于运动信息的空中目标模糊识别方法

为解决空中机动目标识别方法复杂且识别率不高的问题,提出了一种基于运动信息的空中目标模糊识别方法。选取了机动性较小的无控类弹以及机动性较大的制导炸弹等作为研究对象。首先,对无控类弹(榴弹、火箭弹、迫击炮弹)、制导炸弹、巡航导弹及无人机的运动特征进行分析,仿真得出目标的运动轨迹。然后,提取目标的速度、高度、加速度、俯仰角及其变化率等特征,建立基于模糊集合的目标识别算法,根据择近原则进行判定,最后,得到仿真结果。实验结果表明,所提方法应对不同目标识别效果较好,且响应速度较快,为今后作战指挥及理论研究提供支持。     

基于灰色神经网络的小型无人机目标威胁评估

针对以四旋翼无人机为代表的“低慢小”目标威胁评估问题,提出了一种基于灰色神经网络的小型无人机目标威胁评估方法。该方法通过建立灰色神经网络模型,将灰色关联和BP神经网络的优势相结合,在提高目标威胁评估结果可靠性的同时,还弥补了单一灰色关联在时间维度上的信息缺失。实验结果表明,该方法的威胁评估效果明显优于单一灰色关联法,且具有较强的自适应学习能力,可以准确地实现低空领域小型无人机目标的威胁估计。     

基于IC-GANs的红外舰船目标识别方法

针对复杂场景下红外舰船目标识别过程中,存在因数据集样本不均衡、标签不完整所导致的识别准确率下降的问题,提出了一种基于深度半监督学习的红外舰船目标识别方法。首先结合半监督学习方法,设计了一种深度半监督生成对抗网络;随后将生成器生成的虚假样本、少量标签样本和大量未标记样本一同输入判别器网络进行训练。然后引入代价敏感学习方法,对损失函数进行设计,以缓解优势样本所导致的梯度传播失衡。最后在实测数据集上进行对比验证,结果表明所提方法有效提升了对不均衡红外舰船样本的识别性能。     

导航精度对某型电视制导无人攻击机攻击性能影响

针对电视制导无人机的作战使用方式,分析了影响其攻击性能的因素;建立了导航精度与攻击无人机捕获目标概率之间的关系;基于捷联惯导的误差分析,对无人机中制导末段的导航精度进行了计算。构建了对无人攻击机目标捕获概率进行仿真计算的方案,建立了方案航迹,对其进行了中制导精度分析和目标捕获概率计算,结果表明导航精度和捕获概率直接相关。     

无人攻击机生存力评估方法

首先介绍了无人攻击机的国内外发展现状和趋势,然后阐述了无人攻击机的特点,分析了与生存力密切相关的各分项能力之间的关系,提出了一种建立无人攻击机生存力评估的综合指数模型;同时确定了模型中各分项能力的评估模型。最后以6种无人攻击机的生存力评估为例计算并检验了模型的可用性。     

一种无人机侦察能力评估模型

在无人机执行侦察任务的过程中,需要对携带传感器的无人机能力进行评估。对此,从生存性能、侦察性能和稳定性能等3个方面建立无人机侦察能力的评估指标体系,并提出一种基于熵权的组合赋权方法,将主客观信息进行融合,确定各项指标的权重,建立无人机侦察能力的评估模型。最后通过实例对该模型进行了验证。     

关于构建空地一体战场区域导航系统

受美军开展战场区域导航系统研究的启发,思考分析了我国北斗卫星导航系统面临的军事威胁和固有脆弱性,建议有必要基于伪卫星技术构建空地一体战场区域导航系统,以此作为北斗卫星导航系统在区域范围内的备份系统,并基于有人机控制无人机协同作战的理念阐述了系统的组成构想和行动构想,分析了系统的相关关键技术。     

无人机蜂群对防空作战的威胁与对策

无人机蜂群作战作为一种全新的作战模式,正逐步走进战场,对未来防空作战提出了更高的要求。文章总结美军无人机蜂群发展主要文件和无人机蜂群项目,分析了无人机蜂群主要作战功能,包括抵近侦察、诱骗干扰、侦察打击一体化和有人-无人协同打击等。提出了对无人机蜂群的防御对策,即构建地面探攻一体的防御体系和空中无人机蜂群防御体系,以实现对无人机蜂群的有效防御。     

美军有/无人机协同作战研究现状与分析

近几年来,以\"忠诚僚机\"作战模式为主要代表的有/无人机协同作战被日益关注,并成为未来第六代穿透型空中作战的发展趋势之一。文章简介了有/无人机协同作战的内涵,并以美军为主要对象,分析其在有/无人机协同作战方面的主要进展,梳理有/无人机协同作战的关键技术。对我国相关技术和装备的发展,具有一定的参考价值。     

小型旋翼无人机在未来城市军事行动应用中潜力评估

随着全球范围的城市化进程不断推进,未来军事斗争向城市环境中发展是必然趋势。在城市作战需求分析的基础上,剖析了传统装备的\"城市病\",阐述了小型旋翼无人机在城市军事行动中的应用潜能。研究表明,针对现有装备在城市作战中显示出的若干短板,发展基于小型旋翼无人机打造侦察平台与精确打击平台将是一个较好的解决方案。而运用军民融合的发展模式挖掘小型旋翼无人机军用潜力,在提升军队作战能力,降低成本均具有积极意义。     

均匀试验设计在无人机关键参数设计中的应用

针对所采用CFD软件FLUENT对无人机的气动特性数值模拟,消耗大量时间这一问题,进行了试验设计,来减少试验次数。首先对各种常见的试验设计方法的优点局限性及试验次数进行了全面而详细的分析与总结,然后选取了均匀试验设计的方法来安排试验,实践了均匀试验设计在无人机关键参数设计中应用的案例,并通过曲线拟合建立了相应的模型,对均匀试验设计的可行性进行了验证。     

无人机伞降回收系统设计与实现

对无人机伞降回收系统的组成及工作原理进行研究,在此基础上依据无人机总体要求对回收系统进行详细设计,综合考虑系统开伞动载、稳降速度及回收减震等要求,系统采用减速伞引导、主伞收口及减震气囊缓冲的回收方式,通过仿真分析及实际飞行试验验证,系统设计合理可行,满足无人机回收要求。