舰艇编队多声纳数据融合

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行比较.结合各种声纳的探测特性和水下目标的特点,建立了舰艇编队的数据融合方案.选用简单凸组合融合算法作为舰艇编队协同反潜的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

装备大数据安全保护研究

本文通过梳理大数据技术发展及数据资源建设现状,可视化呈现了数据资源建设使用中出现的数据泄露现状及趋势,剖析了数据泄露的根本原因.在分析军队装备大数据建设及规划情况的基础上,建立了装备大数据安全问题分析方法,即在数据采集阶段、数据传输阶段、数据存储阶段和数据使用阶段,分别构建装备大数据不同维度安全要素,包括安全威胁、安全...     

海空目标情报信息仿真软件的设计与实现

针对情报处理系统上线使用前因缺乏海空目标情报数据难以开展融合数据处理、态势融合显示等功能试验的问题,分析了试验指挥过程中情报处理系统对仿真环境的需求,提出了海空目标情报信息仿真软件体系结构和功能模型的总体设计思路,采用了基于目标特性进行运动航迹仿真、利用加噪处理对生成信息进行误差补偿的技术方法,实现了目标航迹仿真,使得...     

分布式多目标跟踪中的数据融合问题——一种新的相容性准则及融合过程分析

用一个新观点讨论了利用分布式传感器网络进行多目标跟踪中出现的信息融合问题。对航迹相容性和假设相容性的判别问题 ,从一个新的观点 ,即“无矛盾原则”出发 ,给出了完整的与前人不同的航迹和假设相容性的判别条件。同时对航迹的融合过程和假设的融合过程做了详细的分析 ,证实两个假设相融合得到多个全局假设是合情合理的     

基于数据补偿的雷达系统误差估计

建立了多雷达情况下的系统误差观测模型,分析了系统的可观测度,得出系统可观测度和观测数据的空间分布有关的结论.在此基础上,通过数据补偿的方法,产生一个使系统可观测度较大的补偿观测集,用于误差估计.仿真结果显示,使用补偿观测集估计雷达的系统误差,能够获得更优越的估计性能.     

用于潜艇的数据融合算法结构设计

利用数据融合技术,在数据库的支持之下,充分发挥各传感器信息组合的潜能,为客观复现战术态势提供保障．文中给出了用于潜艇的数据融合算法的结构设计．     

用于空中作战的数据传输系统

空中作战——无论是防卫战还是进攻战,已经越来越依赖于大量战术数据的获取。所有这些数据信息将被收集、传送、处理并达成共享,籍此建立一个集指挥、控制、通信、计算机、情报、监控和侦察(C~4ISR)为一体的重要体系。 所有参与空中作战的机载、海上和地面的平台及指挥中心必须通过一个坚固、安全和可互用     

拦截弹测量数据处理的建模与仿真

针对拦截弹上实时测得的带有随机干扰的测量值,讨论了测量数据的建模与处理方法,并结合数据处理过程中所涉及到的阶次的确定、样本数的选取和拐点问题提出数据处理的简化方法。最后给出了一个仿真算例     

含有约束数目顺序旁路站的环网

用以前的图论技术与代数技术相结合的一种新技术来获得环形拓扑网络的闭合形式终端对可靠性表达式。双向反旋转环网使用自愈合和站旁路开关,其中的所有部件(站、链路和旁路开关)都可能出故障,对这样的环网导出闭合形式终端对可靠性表达式,以此来说明这种技术的可应用性。由于光功率损失约束引起的网络配置限制,这些表达式明显地扩展了环网可靠性在以前工作的效用。光功率损失约束限制了以FDDI环或同步光纤网络(SONET)环为代表的光纤拓扑网络中顺序旁路站故障的数目。组合的图论和代数技术允许利用n中选K:F系统可靠性的已知结果,以导出闭合形式的终端对可靠性表达式。 其结果是形成网络可靠性分析的新方法,并明显地把已知理论扩展到以前不分析的新情况。特别是,这里开发的组合的图论和代数分析工具允许环网设计者分析环网结构的可靠性,以前认为这样的环网结构太困难而不能用闭合形式表达式来分析,只能求助于通过仿真的可靠性近似。我们在推导双反向旋转环网中终端对可靠性的闭合形式表达式中使用这种新技术。这种新技术也可用来有效的获得更复杂的环网结构中的闭合形式表达式。     

一种RetinaNet与SE融合的航空取证目标检测算法

针对在开展航空侦察取证时缺乏自动化、智能化取证手段的情况,提出了一种基于Reti-naNet与SE融合的航空取证目标检测算法,解决目标尺度变化大、数据集中类别不均衡的问题,并通过SE (squeeze-excitations)模块引入注意力机制进一步改进性能.该改进算法中的特征金字塔网络FPN可有效应对目标尺寸变化较大...