目标识别中决策级语言和数值信息融合方法研究

自动目标识别信息融合是现代C~3I系统和综合电子战的重要内容之一。本文讨论了在决策层目标识别语言和数值信息融合的新思路,引入基于LOWA的融合算子ω_Q~(LOWA),举例说明该方法的可行性和深入研究价值。     

水面舰艇作战系统信息融合及目标综合识别技术

本文叙述单舰作战系统和编队指挥系统信息融合双目标识别的基本任务、主要的技术方法和实现途径,并给出信息融合及目标识别的体系结构。     

自动目标识别(ATR)技术发展述评

能够自动进行目标识别 ( ATR)是现代武器装备力争具备的先进性能之一。从历史回顾、当前状态及未来发展等几个方面对自动目标识别的研究历程、技术现状和发展前景进行了较为详细的论述 ,并指出了当前发展中遇到的主要技术难题及可能的解决办法     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

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。     

传感器与综合火控系统组网的协同作战能力系统

协同作战能力(CEC)系统是美国海军最早使用的与传感器和武器系统组合的网络中心战系统之一.简要介绍了CEC的发展背景,较系统地阐述了传感器组网和综合火控的概念.同时还介绍了CEC系统的配置和复合识别能力,指出CEC用作联合传感器网络基础的可能性.最后,展望了未来先进的传感器网络,并指出了在CEC中发挥网络优势必须解决的两个难题.     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题,提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解,得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数,并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明,该方法可以实现对舰船辐射噪声的特征提取,与已有方法对比,该方法具有较高的识别率。     

一种基于压缩感知的OFDM调制识别方法

卫星通信信号频带宽、传输数据量大的特性,为解决其处理困难的问题,提出一种基于压缩感知的OFDM信号调制识别方法,对OFDM信号进行稀疏变换后,在非重构的条件下直接对欠采样测量值进行处理,根据OFDM信号在高阶累积量上的性质进行调制识别。推算了几种单载频调制信号的欠采样后的高阶累积量理论值;分析了OFDM信号的渐进高斯性,通过这一性质可以将OFDM信号与其他单载频调制信号区分,做到OFDM信号的调制识别;仿真实验结果表明,该方法可以在欠采样的情况下以较高概率完成对OFDM信号进行调制识别,并且有较好的抗噪性。     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

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。