陆战场装甲目标细粒度识别技术

智能化作为新的改变战争游戏规则的颠覆性技术,成为世界各军事强国的发展重点。当前,智能化可以实现对陆战场军事装甲目标的自动识别,但是现有识别任务主要是粗粒度的目标类别识别,缺乏细粒度的目标识别。本文针对陆战场军事装甲目标细粒度识别任务,提出了一种适用于无人作战平台的轻量化细粒度目标识别方法,并初步验证了方法的可行性和有效性,基于此,提出了无人作战平台的新的作战运用。该方法可辅助操作人员进行陆战场装甲目标识别的决策判断,或提供无人打击武器自主打击的判断能力。     

目标关键部位智能识别学习训练方法平台

以人工智能为基础,提出了基于卷积神经网络的目标智能识别方法,建立了目标关键部位识别的学习和训练方法,并由构建的目标关键部位智能训练的平台系统,分析了训练系统在未来智能弹药技术中的应用,为智能弹药技术的发展奠定基础。     

水中目标微多普勒特征研究

为了有效检测、识别水中目标,从水中目标螺旋桨旋转运动建模出发,分析了螺旋桨旋转运动对主动声探测信号的调制作用及由此产生的回波信号的微多普勒特征,并进行了理论推导和仿真分析,验证了微多普勒特征的存在。结果表明:微多普勒特征信号是区别于其他信号的运动着的螺旋桨特有的信号,可用于对水中目标的检测、识别。     

基于直觉模糊对称交互熵C-means聚类的反导目标识别方法研究

在不确定信息反导目标识别的背景下,针对不确定信息处理和现有的基于欧几里得距离的模糊C-means聚类算法的性能问题,首先采用直觉模糊集对其进行描述与分析,同时,将聚类目标函数中的欧几里得距离替换为模糊对称交互熵距离,提出了一种基于直觉模糊对称交互熵C-means聚类(Intuitionistic fuzzy symmetric cross entropy C-means,IFSCECM)算法,通过采用IRIS数据集算例分析对比,证实该算法的可行性和有效性.其次,根据弹道目标识别的特性,将IFSCECM算法应用于反导目标识别中,并采用多特征综合识别方法对来袭弹道目标威胁群进行分类识别研究.最后,通过仿真实验和对比分析表明该反导目标识别方法的可行性、有效性和优越性,具有较高的应用价值.     

网电作战目标识别系统建设

随着信息技术的普及和发展,作为陆海空天之外的第五空间,网络电磁空间已成为现代信息战争的重要作战域。网电作战目标成为作战双方打击和防卫的关键对象,并贯穿于各个作战域。文章就网电作战目标识别提出网电作战目标识别系统的建设。以美军在其"作战云"理念下建设的目标情报融合系统作为参考,从系统组成要素和系统组织关系等层面对未来网电作战目标识别系统建设提出构想,有益于未来网络电磁空间情报体系框架构设。     

基于小样本学习的军事装备识别技术

针对军事装备样本稀缺昂贵、目标识别研究进展缓慢等问题,从人类认知科学出发,提出利用民用装备数据完成深度学习训练,实现大样本知识积累;采用模式识别算法提取装备武器特征,实现样本目标识别。通过分析2种样本属性空间距离,利用卷积神经网络作为前端,采用SIFT算法作为后端,构建递进学习模型,实现对多种军事装备的高效识别。实验测试模型识别坦克、战机和军舰平均置信度分别为87%、92%和91%,军事装备武器样本数量决定目标识别精度,样本泛化可提高目标识别率。提出的递进学习模型充分利用深度学习和模式识别算法优势,实现军事领域武器装备小样本目标识别。     

基于复杂度特征的干扰识别算法

复杂度可以用来刻画信号的波形变化特征。文中使用了L-Z复杂度和分形维数这两种复杂度作为干扰识别的特征参数并结合支持向量机对干扰进行分类。仿真结果表明L-Z复杂度和分形维数计算复杂度低,且具有较好的类别差异度,同时文中提出的算法具有较高的识别准确率。     

基于前向型神经网络的空袭目标类型识别模型

对防空作战中空袭目标类型识别问题进行了研究 ,给出了进行目标类型识别的指标集 ,并建立了基于前向型神经网络识别模型 ,实例证明该方法是可行的。