干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

面向体系的目标选择形式化描述及分析

针对信息化条件下各类目标相互作用反制作战能力倍增的特点,进行面向体系目标选择的相关问题分析。通过分析目标体系的概念和层次结构,建立目标选择的概念模型,并进行目标选择的形式化描述与分析,提供了一种研究军事概念模型的思路和方法,有助于目标选择决策支持系统的开发与验证。     

部队级计量技术机构的质量管理体系构建

根据2020年12月新修订的《军队计量条例》,部队级计量技术机构是军队的基层计量部门,建立和保持质量管理体系对提高计量部门的量值传递质量具有重要意义。本文首先针对部队级计量技术机构质量管理体系难以有效构建的实际,面向部队单位,基于质量管理体系四要素构建本地化质量管理体系;其次,对照军事计量技术机构考核要求,对机构的公正性、组织架构、主要过程、质量方针和质量目标等进行了分析策划,并遵照本地化原则,设计了体系文件结构及一套便于推广应用的样例;最后,为保证体系的持续有效运行,提出相关对策建议,如部队级计量技术机构要聚焦部队作战训练任务、始终关注服务保障对象的需求以及充分发挥领导作用等。     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法.该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像...     

基于先验稀疏模型的光谱图像压缩采样检测

压缩信号处理为更加高效地实现光谱图像数据采集和处理提供了有效途径,针对传统压缩采样检测算法未针对待测信号专门设计采样矩阵,检测性能低于传统采样方式,且鲁棒性较弱的问题,提出了一种待测信号稀疏模型先验条件下的光谱图像压缩采样目标检测方法.该方法利用待测信号的稀疏表示子空间构造压缩采样矩阵,增强采样矩阵的信息获取能力;采用...