联合多层次深度特征的SAR图像目标识别方法

提出了联合多层次深度特征的合成孔径雷达(SAR)目标识别方法。采用卷积神经网络(CNN)学习SAR图像的多层次深度特征。多层次的深度特征从不同方面描述原始SAR图像中的目标特性,从而为目标识别提供更充分的决策依据。为了充分发掘不同层次深度特征的独立特性以及它们之间的内在关联,采用联合稀疏表示对多层次的深度特征进行联合分类。根据各层次特征的整体重构误差判定目标类别。采用MSTAR (Moving and Stationary Target Acquisition and Recognition)公共数据集对提出方法进行了性能测试。实验结果表明,该方法的识别性能显著优于现有的SAR目标识别方法。     

基于NSGA-II算法的三维多目标航迹规划

针对现有民航航迹规划模型忽视飞行高度影响,规划目标单一等问题,提出了考虑高度维的三维多目标规划模型。采用栅格法构建包含地表特征、山峰、"三区"和危险天气的规划环境,综合考虑经济效益和安全效益,提出以航程最短、航迹离散系数最小、角度改变量最小和转弯点个数最少为规划目标,引入飞机机动特性约束和民航飞行规则约束,并利用NSGA-Ⅱ算法完成模型求解。最后进行实例分析并与三维A~*算法比较,结果表明该模型效果良好、应用性强,能得到多组具有不同属性的可行航迹。     

基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理;设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力;利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

基于Viterbi算法和ROMP的多弹道目标分离与特征提取

为实现对中段飞行中多弹道目标进行分类和特征提取,首先利用重排Gabor分布与Viterbi算法相结合的方法,获取目标散射点的时频曲线,对目标信号时频曲线拟合后进行频谱分析,完成目标运动类型分类。根据目标微动类型确定对应散射点的回波信号形式并构造相应的匹配原子库,设定待估计参数,利用ROMP方法对参数进行提取。仿真实验表明,该方法有效实现散射点分离并判断出目标的微动类型,同时验证了该方法对目标参数的提取精度。     

多指标约束下的防空反导装备修理级别建模

修理级别分析是防空反导装备维修决策的重要内容。分析了防空反导装备的组成结构和维修流程,建立了基于模块化装备的修理级别分析决策流模型,在多指标约束条件下,以维修效果和维修费用为目标函数,建立了防空反导装备修理级别的经济性分析模型,运用自适应粒子群算法对模型进行求解,通过算例证明了该模型的合理性和方法的有效性,对于完善防空反导装备的修理级别决策分析具有理论指导意义。     

目标对抗条件下自导+线导鱼雷连射方法

自导+线导鱼雷连射是目标对抗条件下有效的攻击方法。根据目标状态分析了自导+线导连射组合方式,当线导雷采用被动声自导时,需要确定合理的射向与发射时间间隔来避免鱼雷互导;建立了自导+线导连射控制模型,并在一定条件下通过仿真分析了采用修正方位导引法和现在方位导引法进行初始导引时不同连射发射时间间隔对被动互导的影响;给出了采用时间间隔的建议。