面向作战任务的最小风险传感器调度方法

基于风险理论提出一种面向不同目标探测任务的传感器调度方法。将主动传感器辐射被截获风险和目标探测风险结合起来,建立一般目标探测框架下的传感器最小风险调度模型。分目标跟踪、目标识别和目标威胁等级评估三种情况将传感器最小风险调度模型具体化,给出不同情况下目标探测风险值的计算方法。针对模型的求解提出一种基于混沌思想、反向学习和双向轮盘赌的改进人工蜂群算法。通过仿真实验证明了模型的可行性和算法的有效性。     

移动终端基于机器视觉的器材识别研究

提出了单兵移动终端离线状态下基于机器视觉的装备器材识别的方法,从图像采集、图像预处理、特征提取及数据匹配3个模块展开分析。简要介绍了手持终端图像采集的相关考量。通过畸变校正、降噪、轮廓提取等,得到器材的轮廓图像,为特征提取做好准备。选取器材的几何形状特征作为识别依据,通过ORB算法得到图像的特征向量,并进行匹配,达到识别器材的目的。实验测试数据表明,该算法具有较高的识别率和良好的实时性。     

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。     

多DSP并行的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,提出了基于多DSP并行结构的神经网络集成目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别硬件系统.结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,且识别目标的速度很快.     

金融风暴让农民工就业雪上加霜

以美国为发源地的次贷危机,发展为金融海啸,再发展成为实体产业严重受损的经济危机,几乎席卷了整个世界。在中国,受全球金融危机影响,我国以出口为主的制造企业大批停产,沿海地区许多农民工出现"返乡潮"。这些返乡农民工该何去何从,成为社会各界人士关注的焦点所在,本期"边说边议"就此问题作了一些探讨,希望对各级人武部门能够有所启迪。     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.     

一种新的基于DSmT的合成公式

DSmT是一种有用的不确定推理方法,能较好地解决强冲突情况下的信息融合问题.由于其在组合规则方面存在不足,影响了DSmT的应用.提出了一种新的合成方法,即在保留冲突焦元的基础上对支持证据冲突的概率进行重新分配.仿真分析表明,新的合成公式提高了目标识别的准确性,对于高度冲突的证据,也能够取得理想的合成结果.     

激光告警系统的发展现状与问题

从激光技术在激光制导武器上的广泛应用出发,结合日趋严重的激光威胁,对目前世界各国装备和在研制的主要激光告警系统进行了综述.从光谱识别型、相干识别型和散射探测型3种激光告警系统出发,阐述了各类激光告警系统的现状、关键技术、典型应用,结合近年来的实战与各国的研制情况,对新世纪激光告警系统的研究与发展,提出了新的问题和要求.     

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。