基于串联模型框架的目标威胁评估

针对防空武器系统防空作战特点,在对目标威胁程度影响因素分析的基础之上,运用模糊理论和多模型理论探索目标威胁评估问题。设计了一种基于串联模型框架的目标威胁评估方法,该方法采用3个基本模型,基于串联系统思想,经模糊推理融合,得到空中来袭目标的威胁程度。该评估方法层次分明、直观有效,能够较好地满足海上对空防御作战中对目标威胁评估的需要,为舰指挥员决策和防空武器系统火力分配提供一定的依据。     

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。     

基于杂草算法的超磁致伸缩作动器耦合模型识别

考虑磁滞损耗、动态应力等因素的超磁致伸缩作动器磁滞模型可有效揭示电-磁-机-热多场耦合效应,但准确识别其非线性模型往往存在较大困难。智能杂草算法具有激烈的竞争机制和较强的搜索能力,可用于解决作动器多目标物理参数辨识问题。传统算法的种子数量以线性方式产生且分布方差与适应度缺乏联系,极大地影响了算法收敛速度和模型识别精度。为此,提出一种非线性繁殖和分布的混合改进杂草算法,并将其应用于超磁致伸缩作动器模型识别。实验表明:改进算法具有较强的噪声抑制能力,能精确辨识含有噪声扰动的作动器磁滞非线性模型物理参数;模型预测值和实验数据误差较小,所识别参数可使磁滞非线性模型较为全面地描述作动器多场耦合机理和动态特性。     

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。     

几何约束的改进弹性体网格变形方法研究及应用

针对现有弹性体网格变形方法无法有效抑制网格单元出现"负体积"和过度畸变等问题,引入体积弹性模量约束和挤压弹性模量约束,提出一种基于几何约束的改进弹性体法。借助Patrick网格质量参数,选取三维长方体边界在旋转、平移和伸展变形三种方式下的大幅度运动,对比研究引入几何约束后的改进效果。仿真计算二维NACA0012翼型的俯仰振荡和三维伸缩翼变形过程的气动特性,结果表明:基于几何约束的改进弹性体法显著提高了变形网格的鲁棒性,尤其在大变形时能够有效约束较差网格单元,改善经典方法存在的问题,可为非定常流场问题的求解提供有力支撑。     

如何识别隐身战舰？

如果看不见军舰的舷号,要从图片上识别是什么军舰,主要看三点：一是舰型,二是上层建筑（包括桅杆、烟囱等）,三是武器。这里需要说明的是,舰艇的排水量相差很大,但如果没有统一的参照物,很难从图片上分出大小。这里仅以英国45型驱逐舰、法国“地平线”级驱逐舰为例,教你识别隐身战舰。     

微元法应用中容易忽视的一个重要条件

分析了讲授定积分应用微元分析法中容易忽视的一个近似替代的前提条件,用具体实例阐明了这一条件的重要性,并对如何寻找未知量的微分进行了探讨.     

基于多维直方图的mean shift运动目标跟踪算法

讨论了一种红外图像序列的运动目标跟踪算法.以mean shift为核心,即在连续图像序列中对比运动目标的直方图.在可见光的视频中,利用目标的颜色直方图进行跟踪.在前视红外图像序列中,直方图由像素值和高通滤波后的值共同构成.为较好地处理非线性非平稳信号,引用LMS自适应滤波可以对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪.     

SAR图像阴影区域分割技术及其评估准则

提出了一种阈值化技术与形态学方法相结合的SAR图像阴影区分割方法.该方法首先通过寻找图像平均强度最小的子区域对阴影区域进行初始分割,之后进行图像翻转、阚值化处理,最后利用形态学处理消除虚假像素,进行简单的连通性滤波,实现阴影区的自动分割.给出了3种图像分割评价准则,并基于计算机仿真和图像分割评价准则验证了该阴影区分割方法的有效性.