基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理;设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力;利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

径向特征下的改进三角形星图识别算法

三角形星图识别可靠性与可操作性较强,目前仍在广泛使用,但是三角形星图识别算法存在冗余匹配和误识别。通过星点的几何分布构建星点的径向特征量,依据径向特征量对星图进行初始识别,将拍摄星点的识别结果限定在数颗导航星上。在初始识别的基础上,运用三角形星图识别算法再次进行识别,使三角形星图识别更具针对性,同时提高识别的正确性。实验结果表明,采用基于径向特征的改进三角形识别算法,星图识别的准确性和针对性都得到了提高。     

联合多层次深度特征的SAR图像目标识别方法

提出了联合多层次深度特征的合成孔径雷达(SAR)目标识别方法。采用卷积神经网络(CNN)学习SAR图像的多层次深度特征。多层次的深度特征从不同方面描述原始SAR图像中的目标特性,从而为目标识别提供更充分的决策依据。为了充分发掘不同层次深度特征的独立特性以及它们之间的内在关联,采用联合稀疏表示对多层次的深度特征进行联合分类。根据各层次特征的整体重构误差判定目标类别。采用MSTAR (Moving and Stationary Target Acquisition and Recognition)公共数据集对提出方法进行了性能测试。实验结果表明,该方法的识别性能显著优于现有的SAR目标识别方法。     

把握新时代特征 提升政治干部履职能力

在全面建成世界一流军队新征途上,政治干部应从以下五个方面发力,通过定标定位提升能力素养,以自身过硬促进政治工作落实落细、起效生威。找准努力方向。政治工作是管思想、管方向的,政治干部首选要做有思想、有方向的人。工作中要主动思考、主动筹划,针对单位建设实际找准工作发力点。要紧跟形势。深刻领会上级指示要求,深入把握单位建设发展现状,细致掌握基层官兵的迫切需求。     

激光对抗系统在轻武器实战化训练中的应用

轻武器作战作为特种作战方式的一种,在现代战争中的地位越来越突出。本文阐述了轻武器实战化训练的短板和弱项,提出一种轻武器激光对抗系统,介绍了系统的主要构成和工作原理,并对激光对抗系统在轻武器实战化训练上展开研究。研究表明,采用激光对抗系统辅助训练能从强化轻武器基础训练效果、提升训练对抗意识、提高战斗员维稳处突能力及强化射击能力等几方面有效提高轻武器基础训练成绩和战术训练水平,为改进轻武器实战化训练提供了理论和技术支撑。     

增强官兵练兵动力应形成科学导向

有效履行我军的历史新使命,切实做好军事斗准备,需要广大官兵具有积极的练兵动力、高涨的练热情,主动谋打赢、练打赢。而增强官兵的练兵动力,应注重从人学角度,关注官兵作为个体的人和群体的人这个特征,以科学的导向激发官兵练兵的内在驱动力,进而转化成积极的练兵愿望和练兵行