北京航天发射技术研究所

北京航天发射技术研究所,隶属于中国航天科技集团公司第一研究院,始建于1957年6月1日,首任所长是我国著名兵工专家吴运铎。北京航天发射技术研究所是具有独立法人资格的科研生产实体,下设全资子公司北京长征天民高科技有限公     

两级融合系统中目标身份与行为识别技术

建立两级融合系统,联接一级、二级融合系统中的识别功能.提出基于模糊集理论的特征层目标识别技术,基于D-S理论、Bayes理论的时空域决策层目标识别技术、基于贝叶斯网络推理的行为识别技术.解决应用中普遍存在的目标特征界限模糊、身份冲突、身份不稳定、缺少行为识别信息等问题,实现对目标身份和行为的综合识别,以达到对目标的全面...     

谁来为新舰祝福?

一艘新舰船的诞生,自古以来人们都要好好庆祝一番。因为它是人类智慧和劳动的结晶,它是人们跨越江海不可缺少的平台!人们祝愿它能很好地实现被赋予的使命任务,还要祈祷神的庇护。于是在公元前3000年,巴比伦人就在舰船下水庆典上唱出了纯朴的歌声:     

基于编码矩阵识别的高速空时分组码技术

正交空时分组码和准正交空时分组码的编码速率≤1,为使空时分组码能够应用在高速传输的场合,本文提出了一种基于编码矩阵识别的高速空时分组码设计方法。该方法通过在发送端发送不同的编码矩阵表示不同的附加信息,能够实现大于1编码速率,仿真分析结果表明,在高信噪比条件下该方法使编码速率达到了2.5,并具有良好的有效吞吐容量,特别适合无线高速数据传输。     

作战实体概念模型结构研究

本文将动态的作战实体视为智能实体,运用系统六元抽象方法对作战实体概念模型构成要素进行分析,明确了要素之间的相互关系,并从作战实体内部的状态、结构、行为出发,提出了一种以知识系统为中心的作战实体的概念模型结构。     

基于混沌特征的高分辨雷达目标识别

根据高分辨导弹制导雷达的基本工作原则和舰船目标的散射特性,利用现有雷达回波的仿真技术,在合理的战术想定下,计算了三类典型舰船的雷达回波.在此基础上,研究了利用雷达回波功率谱的方法来识别目标类型的有效性,并基于混沌理论提出了一种比功率谱方法更加有效的新的识别方法,从而为进一步利用混沌理论来开发雷达目标识别技术奠定了初步的理论基础.     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

DS/PM双模应答机接收信号的快捕技术

提出了一种星用直扩/调相(DS/PM)双模式应答机接收信号快速识别和捕获的算法,并分析了该算法的性能。与传统的处理方式相比,该算法通过对共同处理部件(FFT/IFFT)的复用在提高系统性能的同时优化了系统结构,降低了对硬件规模的要求。解决了高动态、低信噪比和大多普勒频移环境下捕获时间与检测性能的矛盾,对研制星用DS/PM双模式应答机有很好的参考价值。     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.     

中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。