基于改进遗传算法的AUV动态目标搜索算法

针对水下动态目标搜索问题,提出一种基于改进遗传算法的AUV动态目标搜索算法。采用蒙特卡罗统计方法生成大量目标运动轨迹,作为计算适应度依据;结合水声模型提出一种新型的累积探测概率计算方式;种群选择采用灾变思想与精英主义相结合方法,保证种群的非劣性和多样性,加速跳出局部极值;采用混沌序列方式选择交叉和变异点,增加种群随机性;采用动态自适应的交叉概率与变异概率,减少经验依赖,保证后期种群多样性。仿真实验结果表明,相较于传统算法和经典遗传算法,改进遗传算法能有效避免陷入局部极值,提高搜索概率。     

基于DBN的天基信息支援装备体系作战效能评估方法

为解决天基信息支援装备体系的作战效能动态评估问题,提出一种基于动态贝叶斯网络的天基信息支援装备体系作战效能评估方法。首先以系统动力学模型获取数据样本,然后以静态贝叶斯网络作战效能评估模型为基础建立动态网络,以EM参数学习算法构建动态贝叶斯网络作战效能评估模型,最后对天基信息支援装备体系进行作战效能分析。在作战效能评估模型的基础上,以海上方向打击移动舰船目标的作战场景为例,分析了天基信息支援装备体系中诸多影响因素之间的相互关系与影响程度。同时,仿真实验验证了该方法应用在天基信息支援装备体系作战效能评估中的有效性和可行性,能够为天基信息支援装备体系作战效能评估提供坚实的技术支撑。     

舰炮武器系统的适装性评估模型研究

针对舰炮武器系统适装性评估问题,提出了一种基于层次分析法的适装性评估模型。该模型选取火炮、跟踪传感器、火控设备的适装性作为模糊变量来评估舰炮武器系统的适装性,结合三个变量的具体评估准则,基于层次分析法给出了适装性的具体计算方法。应用实例表明,该模型实现了舰炮武器系统适装性的量化评估,可操作性强,可为选型决策提供有力支撑。     

一种基于航向估计的多平台纯方位目标转向机动检测算法

针对纯方位目标转向机动检测问题,提出一种基于航向估计的多平台纯方位目标机动检测算法。该算法通过选定假设机动点序列,解算假设机动点前后的两段目标运动要素,根据解算出的相邻段航向差序列变化来判别目标是否发生机动。基于Taylor级数要素解算模型,建立了两段运动要素联合解算模型和两段运动要素独立解算模型。通过对多种航路进行仿真计算,统计分析这两种解算模型下机动检测算法的虚警率、目标机动检测率、机动检测延迟时间以及机动时刻估计精度。仿真结果表明,两种解算模型下的机动检测算法能够有效地对转向机动目标进行机动检测。     

基于分类算法的装备健康度评估方法

装备健康度的准确评估是装备作战训练工作开展和维修保障对策实施的基础,针对传统装备健康状况难以科学评估的问题,提出了综合考虑装备寿命、使用维修情况、装备及其子系统健康状况的装备健康度评价模型,结合装备健康度分类多和样本数据不平衡的特点,采用7种分类算法和10种样本均衡方法对装备健康度进行评估。实验表明,综合运用Near-Miss、SMOTEENN、SMOTE Tomek采样方法和DT、GBDT、RF分类算法,可以有效提高装备健康度分类和指标水平,为装备健康状况的合理评估提供了有效方法。     

作战体系能力检验评估数据资源体系研究

在对作战体系能力检验评估分析的基础上,从作战、业务和工程视图三方面对作战体系能力检验评估数据资源体系进行了研究,提出了三视图数据资源体系框架,给出了数据资源建设建议。对明确作战体系能力检验评估数据需求,提升作战、业务和工程视图对于联合作战体系能力检验评估数据理解的一致性,促进作战体系能力检验评估数据资源建设和数据综合服务平台建设具有一定参考价值。     

基于神经网络的防空武器目标智能分配方法

为满足现代防空作战高动态环境对武器目标实时智能分配的迫切需求,提出了一种基于神经网络的防空武器目标智能分配方法.首先综合考虑武器数量及拦截能力等要素,以毁伤效能最大为优化目标,建立武器目标分配问题优化模型;在此基础上,构建基于神经网络的武器目标智能分配框架,基于分配方案数据集训练武器分配决策神经网络,并通过神经网络预测...     

基于D-S证据理论的航母舰机融合效能评估方法

航空母舰舰机融合是航母本舰与舰载机的深度协同,舰机融合效能能直观地反映航空母舰的整体作战效能,提高舰机融合程度对于提升航空母舰作战能力具有重要意义.通过分析航空母舰舰机融合的特点规律,构建了航空母舰舰机融合效能的评价指标体系,针对存在冲突的多证据指标数据融合问题,应用改进后的D-S证据理论建立了航母舰机融合效能评估模型...     

改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。     

一种基于CAE的HRRP去噪重构与识别方法

针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明：在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。