针对军事集群目标的YOLOv3改进算法研究

YOLOv3目标检测模型对于巡飞弹作战中的军事集群目标存在可能漏检紧邻目标的问题.改进算法以YOLOv3为基础,对其候选框选择算法采用的非极大值抑制(NMS)引入惩罚函数,实现soft-NMS,从而减少紧邻目标识别边框被误删的概率.同时针对军事目标数据稀缺的情况,对数据的预处理采用k-fold交叉验证策略,抑制过拟合现...     

基于数据驱动的自学习防空火力控制技术

立足打赢未来智能化战争的作战需求,提高目标探测识别、运动参数估计的实时性和准确性,解决自主拦截决策建模难度大、决策结果稳定性差等问题,通过引入数据挖掘、深度学习、神经网络等人工智能技术,重点开展基于大数据的多类型目标状态空间模型分析、多探测模式下的目标融合识别技术、基于卷积神经网络的射击诸元修正等,研制一套自学习防空火...     

自适应二阶滑模的有限时间收敛角度约束制导律

针对终端角度约束制导问题,提出了一种新型基于自适应二阶滑模的有限时间收敛角度约束制导律.构建非奇异有限时间收敛滑模面,保证了滑模面上角度及角速率误差有限时间快速收敛.采用参数自适应二阶滑模算法构建角度约束制导律,所设计的制导律不仅可抑制目标机动加速度等未知干扰,而且可确保滑模面的有限时间可达.相比采用传统二阶滑模或者含有切换项的滑模制导律,所提出的制导律参数可自适应变化,从而无需提前已知目标加速度等不确定项的上界信息.在各种目标机动情况下仿真,结果表明所设计的制导律具有强自适应以及快速收敛的制导性能.     

基于混合属性无监督聚类的作战目标分群

作战体系中目标分群在信息化战争中具有重要意义,能有效提升战场态势分析的输出,提高指挥人员的决策效率和质量.利用复杂网络基本特征量对网络进行定量描述,针对作战目标个体属性数据的多源性和异质性,分数值型属性和分类属性构建了有效的数据预处理算法,设计出融合作战目标的个体属性以及网络邻接关系的相似度模型和基于K-prototy...     

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...     

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...     

奋斗强军新征程 勠力同心创佳绩

"征途漫漫,惟有奋斗。我们通过奋斗,披荆斩棘,走过了万水千山。我们还要继续奋斗,勇往直前,创造更加灿烂的辉煌!"习主席在2021年新年贺词中,重申了"奋斗"这一时代主题词,亲切的话语、殷殷的期待、郑重的嘱托,激励着每一个人发扬奋斗精神,向着新的一年前景目标力搏激流、奋楫笃行。2021年是中国共产党成立100周年,也是"十四五"规划开局之年,人民军队将聚焦实现建军百年奋斗目标开启国防和军队现代化新征程。     

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.     

面向目标跟踪的传感器调度技术研究

传感器调度是指在一定的准则下,结合实际应用场景,依据观测信息对传感器平台或传感器本身的工作模式、工作时长、机动路径等进行一系列调整和控制,从而降低传感器系统使用代价,提高跟踪效能,延长系统寿命的方法,也是传感器管理的一项重要内容.基于部分可观马尔可夫决策过程,对传感器调度的基本结构进行了简要描述,同时分析了调度模型和基...