智能化装备检测能力建设研究

装备检测是装备性能监测、故障预测和诊断、健康管理、战斗力评估和再生的基础和前提.随着大数据、云计算、智能算法、智能芯片等智能化技术的突破性发展,军事智能化时代已经在全球兴起,并驱动装备体系向信息化、智能化方向发展.针对信息化、智能化装备综合性强、技术性高、战斗力强及结构复杂等特点,本文首先给出了装备检测的意义,然后分析...     

基于机器学习的固体火箭发动机无损检测数据智能判读

传统固体火箭发动机无损检测图像判读工作存在人工识别效率低、图像数据分散及数据利用率低等问题.本文借助机器学习算法与计算机视觉技术,利用大量发动机无损检测图像数据开展无损检测图像数据预处理、边缘检测以及数据模型训练和应用等技术研究,探索快速、准确获得发动机无损检测图像数据特征的方法,深入挖掘固体发动机无损检测数据的内在联...     

高频雷达检测海面慢速目标的优化MVDR法

高频雷达工作于探海模式时,慢速舰船的多普勒频率和海杂波一阶Bragg峰相近,使得从强大的海杂波背景中检测出慢速舰船目标变得十分困难.为了减小非稳定电离层对探测回波的影响,常常在短相干积累时间(Coherent Integration Time,CIT)条件下进行探测工作,导致数据量减小,进一步增加了慢速目标的检测难度....     

军用车辆轮毂电机位置传感器故障检测及容错控制

针对电传动装甲车辆恶劣工况下轮毂电机位置传感器容易产生故障问题,基于脉振高频电压注入法构建了位置传感器故障检测及容错控制系统.通过分析故障时位置传感器输出信号出现的幅值不平衡故障或正交不完全故障,采用阈值检测法实现故障检测,并使电机由有位置传感器控制切换为无位置传感器控制.仿真及实验结果表明,故障发生时,系统能够迅速检...     

基于警报关联的威胁行为检测技术综述

基于警报关联的网络威胁行为检测技术因其与网络上大量部署的安全产品耦合,且能充分挖掘异常事件之间的关联关系以提供场景还原证据,正成为复杂威胁行为检测的研究热点。从威胁行为和网络安全环境的特点出发,引出威胁行为检测的应用需求和分类,介绍基于警报关联的威胁行为检测的基本概念和系统模型;重点论述作为模型核心的警报关联方法,并分类介绍了各类典型算法的基本原理和特点,包括基于因果逻辑的方法、基于场景的方法、基于相似性的方法和基于数据挖掘的方法;并结合实例介绍了威胁行为检测系统的三种典型结构,即集中式结构、层次式结构和分布式结构;基于当前研究现状,提出了对未来研究趋势的一些认识。     

基于改进能量检测的航空集群网络干扰感知

为了增强复杂电磁环境中航空集群战术网络的抗干扰能力,提出把同时收发认知抗干扰电台应用于航空集群网络节点,且每个节点采用改进能量检测方法进行干扰感知。在此基础上,分别研究了存在单/多个干扰源时的网络节点干扰感知性能,推导出干扰感知的虚警概率和检测概率的闭式表达。仿真结果表明,通过调节改进能量检测器的参数p,可以提高航空集群机载战术网络的干扰感知能力。     

军事电子信息处理中的人工神经网络技术

本文首先分析了现代战场环境对军事电子系统智能信息处理的应用需求，然后对人工神经网络理论与技术在军事电子信息处理中的现实应用与潜在前景给出了一个较为详细的介绍与分析。着重介绍了神经网络在雷达、红外及声纳目标的检测、识别、多机动目标跟踪及武器系统的智能控制等方面的应用情况，力图展示神经网络用于军事电子信息处理的特色与优势。最后分析了人工神经网络技术发展与应用中存在的一些问题。     

毫米波非均匀平面阵列无损检测三维成像算法

毫米波因其分辨力强、穿透性强、光子能量低的独特优势,在无损检测领域具有极大的潜力.针对毫米波无损检测应用,结合距离徙动算法和非均匀快速傅里叶变换的思想,提出一种适用于非均匀平面阵列的三维成像算法.该算法利用非均匀快速傅里叶变换在波数域重构信号频谱,克服了非均匀空间采样对传统基于傅里叶变换的成像算法的限制;该算法应用非均...     

随机共振在微弱信号检测中的数值仿真

对基于非线性双稳系统随机共振的微弱信号检测技术进行数值研究,利用随机共振机制,浸入在噪声中的微弱信号可以得到有效的放大与增强。给出了基于Runge Kutta算法的双稳系统随机共振模型的求解方法,提出了利用随机共振检测微弱非周期信号的一种新思路。数值仿真结果表明,该方法不仅可以检测出强噪声极低频的微弱周期信号,而且可以对非周期信号进行有效的检测。     

随机共振原理在强噪声背景信号检测中的应用

动态系统中的噪声常被认为是令人讨厌的东西 ,但在特定的非线性系统中 ,噪声的存在事实上能够增强微弱信号的检测能力 ,这种现象就是随机共振 (SR ,stochasticresonance) ,它在物理、工业技术和生物医学领域里具有广泛的应用潜力。给出了利用随机共振原理检测微弱周期信号的基本方法 ,并采用模拟的信号对该方法进行了分析与验证。结果表明 ,该方法简单、稳健、可靠 ,能把信噪比较低的周期信号从强背景噪声中可靠地提取出来 ,将在机械故障诊断领域展示诱人的前景