战术计划识别技术在海战中的应用研究

从战术计划识别的应用领域出发,以典型海战想定为背景,分析了水面舰艇编队战术计划识别的过程与特点,论述了实际水面舰艇编队战术计划识别所需的数据、模型、信息和相关知识。在仿真案例中,实现了在不完全观察条件下敌我对抗过程中对敌不同阶段计划意图的推理和识别,并通过和领域专家、指挥员及专业学员人工识别结果相对比,论证了识别结果的有效性和准确度。     

基于双驱动模型的目标机动行为识别方法

针对目标样本数据和行为知识匮乏、不平衡对空中目标飞行机动识别带来的难题,提出了一种基于数据与知识双驱动的智能化识别方法。采用集成学习的思想将数据驱动的深度学习模型和知识驱动的推理模型融合,既可以弥补推理模型在复杂环境下表现不佳的不足,又可以增加深度学习的可解释性和鲁棒性。利用仿真对比实验验证所提方法的有效性,结果表明：所提算法对目标机动行为识别能力优于仅基于知识驱动或仅基于数据驱动的单驱动系统,准确率达到90.1%。此方法大幅提升了对复杂环境的适应能力和识别准确率,对目标机动行为识别有重要工程应用价值。     

使用低分辨率雷达和神经网络进行舰船目标识别

本文研究使用低分辩率下靶区雷达包络线、预处理和神经网络工具进行舰船目标分类的方法。文中使用改进的傅里叶离散梅林变换来提取对雷达姿态角变化不太敏感的某些特征。使用Kohonen的学习矢量量化(LVQ)自组织映射对这些特征矢量进行分类。文中也研究了使用反向传播算法进行训练的前馈网络在目标分类中的应用,并将这一分类系统用于模拟和真实两种数据。对于目标姿态角误差不超过30度的真实数据,分类的正确率高达90％。     

反无人机视觉检测与跟踪技术进展分析

为应对无人机“黑飞”“滥飞”等对国防和公共安全造成的巨大威胁,反无人机技术研究成为当前迫切的现实需求。首先,对比分析雷达、无线电、声音、机器视觉4类典型的反无人机检测技术;其次,重点针对反无人机的视觉检测与跟踪技术,从目标检测、无人机识别、无人机跟踪等角度,详细分析视觉检测与跟踪关键技术的优势与不足,以及各项技术在反无人机检测跟踪中的应用情况及改进策略;最后,探讨应用中较为突出的检测精度、跟踪遮挡、实时性、数据集收集标准、多技术融合5个方面问题和发展趋势,为相关技术研究提供参考。     

考虑目标微多普勒频移的反导雷达配置模型

针对采用微多普勒频移识别目标的反导雷达,对其配置问题进行研究,以便更好地发挥其目标识别能力。首先,利用雷达性能参数,计算出要探测某一弹道时的雷达可配置区;其次,分析目标微多普勒频移对目标识别可能性的影响,以雷达覆盖区和高概率识别区的最大化为目标建立雷达的配置模型;最后,通过仿真分析发现通过调节雷达覆盖区与高概率识别区的权重,可以得到针对不同作战需求时的雷达配置方案。     

抵近侦察中的智能目标发现与识别前置应用

在远程或近程火力打击中,遥感卫星、远程无人机等可对静止的大型地物及目标进行有效侦察.但是,对于存在伪装的目标或可移动目标,这些侦察设备要么很难有效发现,要么发现了也难以提供及时有效的信息,因此,依托人力或无人平台的抵近侦察必不可少.抵近侦察中,现有"前端获取"和"后端处理"的应用模式在效率上存在时效性问题,而快速高效地...     

罐底渗漏的罐基油气质量分数探测法识别

油罐是油品储运的重要设备,罐底最易出现穿孔渗漏油现象,致使罐基内部油气质量分数高于正常值。以油库中柴油覆土罐群为例,研究并试验了根据罐基油气质量分数识别罐底渗漏的方法：分析罐基探漏孔位置分布并钻孔;多次探测罐基油气质量分数,根据探测数据识别各罐有无底部渗漏;为了便于以后检测油库时识别各罐有无渗漏,为各罐建立状态监测表,并将无渗漏的罐基油气质量分数最高值暂定为该类罐的安全值,低于该安全值的油罐可直接判定为无渗漏。实践结果证明,这种不开罐检测罐底渗漏油的方法可及时发现故障并采取措施,对储油安全具有重要意义。     

多传感器目标识别融合模型研究

针对目标识别中传感器正确识别概率、目标识别先验概率等参数难以求取问题,提出将目标识别集合划分为子集,证明了目标相对于目标识别子集的潜在概率分布与目标隶属于目标识别子集的置信度对应关系,在选取目标识别置信度距离测度基础上,建立了目标识别置信度的最优融合模型,实现了多传感器目标识别决策级融合.     

融合轻量级YOLOv4与KCF算法的红外舰船目标识别

红外舰船目标识别在反舰导弹成像制导过程中起到十分关键的作用.针对如何在复杂环境下准确识别出红外舰船目标,提出了一种融合轻量级YOLOv4与KCF算法的红外舰船目标识别方法.识别过程中并行运行YOLOv4目标检测线程与KCF多目标跟踪线程,比较两者所得目标框的置信度,选取置信度高的作为最终的目标识别结果.设计对比试验将本...     

神经网络在精确打击目标识别中的应用研究

目标识别正确与否直接影响到防空火力的部署、分配及有效打击.利用BP神经网络识别精确打击目标并进行了仿真实验.建立了样本库,提取图像的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.仿真结果表明,不变矩理论很好地解决了3维物体的2维图像在旋转、平移、缩放时能否成功提取图像特征的问题,而采用LM优化算法的BP神经网络训练速度快,识别准确率高.