双旋翼直升机旋翼的微多普勒特性分析

目前,国内外对双旋翼直升机的微多普勒特性研究相对还很少。建立了直升机旋翼回波的微多普勒模型,并基于该模型,分别计算了共轴式、横列式、纵列式以及交叉式双旋翼直升机的微多普勒。研究结果表明,不同种类的双旋翼直升机旋翼的微多普勒特性不同,通过对双旋翼直升机旋翼的微多普勒进行分析,可以对双旋翼直升机进行初步分类,为下一步双旋翼直升机的微多普勒识别提供了参考和借鉴。     

2014年美国导弹防御系统发展回顾

2014年,美国继续引领全球反导技术的发展,启动了多项反导技术新项目,重在提高杀伤和目标识别能力。本文结合2014年美国预算申请、研制计划和飞行试验,梳理了美国全球一体化反导系统的改进和部署情况,阐述了助推段探测、被动反导和反高超声速等技术发展动态,综合分析了美国反导系统的发展重点。     

基于频响函数的悬臂结构损伤识别

根据频响函数的Neumann级数展开式,提出了悬臂结构的损伤识别方法。首先根据频响函数的Neumann级数展开式,推导了损伤参数与频响函数的关系式,以此为基础建立损伤识别方程组;其次,考虑到噪声影响,求解时采用了多频率点的最小二乘法,以减小由噪声引起的误差;最后用一个悬臂结构模型对所提方法进行了验证。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。     

美国弹道导弹防御系统中的杀伤链与杀伤网解析

根据美国弹道导弹防御系统发展情况及杀伤链、杀伤网作战概念,结合美国陆基中段防御朝鲜来袭洲际弹道导弹典型用例,对美国弹道导弹防御杀伤链中信息链、时间链、能量链、识别链、精度链5条子链的内涵与闭合性进行了解析,并结合典型用例剖析了美国本土与海外战区弹道导弹防御杀伤网,分析了其综合防御能力。     

应用局部约束二维稀疏表示识别SAR图像目标

在分析典型稀疏表示分类方法和局限性的基础上,提出了一种基于局部约束的二维稀疏表示方法,以有效解决SAR图像目标识别问题。该方法对SAR图像进行图像预处理,在兼顾图像相邻列(行)对应稀疏表示系数邻近性和样本间局部性的基础上,构建了局部约束目标函数,并通过解闭式解,实现稀疏表示系数的更新求解。利用美国实测MSTAR数据对算法进行了仿真验证,实验结果表明所提出的方法可实现SAR图像目标的有效识别,并对训练样本数目具有一定的鲁棒性。     

基于直线基元角方向对几何关系直方图的目标识别方法

针对以往"角方向对几何"同类技术[6～8]提出了新的基于直线基元的几何不变特征关系,并使用该关系针对目标线集建立特征关系多维直方图,作为目标的几何不变特征,通过多维直方图匹配进行目标识别。实验证明该模式关系对于较规则的形体,其检测精度优于以往方法,可用于基于内容与结构的图像分析与目标识别系统中。     

雷达目标高分辨距离像的特征提取及识别方法

本文首先应用ＴＬＳ－ＥＳＰＲＩＴ算法提取光学区高分辨雷达目标散射中心位置信息,并提出了“基于散射中心位置的相关匹配”目标识别算法,而后,证明了该算法相关匹配系数与所选择的基底无关以及算法的稳定性问题。最后,给出了五种飞机缩比模型的实验结果。     

采用 Bayes 数据融合方法进行目标和诱饵的识别

本文以目标和诱饵的识别为背景,详细叙述了采用基于Ｂａｙｅｓ数据融合方法的基本原理、融合模型和识别结果。从识别结果可以看出,这种方法可以达到较高的识别率,是识别目标和诱饵的有效方法。