直扩信号侦收技术研究

DS信号是一种具有优良电子防御能力的新型通信信号,广泛运用于军事、民用通信系统中。对抗这种技术的侦察手段目前还没有取得实用性的进展,因此,需开展大量的理论和实践工作。总结了在低信噪比下对直接序列扩频信号侦收的方法,并比较各个方法的优缺点,探讨了其中一些关键问题和新技术途径。     

遗传算法及其应用

简述了遗传算法的其本原理和特点,并将其应用于声纳目标特征的选择。实验结果表明了遗传算法在模式特征优化和选择中的优势。     

滑动容错辨识算法在航迹数据处理中的应用

由于试验环境和被测目标运动特性的影响,航迹测量数据中会出现斑点型异值。对最小二乘多项式进行改进,引进自适应调节函数和滑动窗口概念,提出了滑动多项式容错辨识算法,详细描述了采用该方法进行异值辨识和修复的具体过程。仿真分析和实际飞行试验的数据处理表明:该方法对处理含有斑点型异值的测量数据具有良好的效果。     

基于异态集成学习的飞行目标辅助识别模型

对飞行目标类型的准确识别是空中作战意图识别的前提和基础。针对当前各类识别模型在训练样本较少时,较难同时获得模型的稳定性和较好的泛化能力且在线学习能力较差的问题,提出了一种基于异态集成学习的飞行目标辅助识别模型,将k近邻学习模型与BP神经网络模型进行整合,使模型兼具训练稳定性与较好的泛化能力;通过算法设计,模型具有了整体动态更新的能力。基于某作战仿真系统完成飞行目标识别实验,对比了该模型与各类模型的性能表现。实验结果显示所提出的模型识别正确率稳定在90%左右,且在个体学习器的基础上至少提高2%。     

基于改进压缩感知的战勤网络状态监测模型

为提高战勤网络信息感知节点状态的监测效率,对经典压缩感知理论进行了改进,构造了一种适合于测量战勤网络状态的行和为零的贝努利测量矩阵,理论证明了原始重构算法依然适用于改进后的目标函数,同时提出了基于压缩感知的战勤网络状态监测模型。将改进后的压缩感知方法应用于提出的检测模型,对Hadoop进度跟踪机制进行改进,并在仿真环境下对解码精度、压缩比率、定位效率进行了测试和分析。测试结果表明：在保持与传统方法相同的监测精度下,新方法有效检测的战勤网络规模可提高约16倍。     

智能化雷达辐射源识别方法研究

针对现在普遍采用数据库比对进行雷达辐射源识别的不足,深入研究了基于模糊推理的雷达辐射源识别方法.首先,设计了系统特征参数的属性函数;其次,确定了推理规则、推理算法,以及系统输出结果的解模糊算法.最后,进行了仿真验证,结果表明该方法具有较高的识别正确率.     

基于ITS与多重分形的传动箱状态识别

实验采集的传动箱振动信号受噪声干扰严重,难以直接通过信号的多重分形特征参量来区分不同工况,为此,采用ITS降噪及微弱特征提取方法,计算了降噪后传动箱正常运转、润滑不良及基座松动3种状态下的多重分形谱参数,对特征提取后信号从局部到整体、从渐进态到最终态的微变化过程进行了定量描述,并由这些特征值的敏感性判断了系统状态类别。     

目标识别中的信息融合技术

本文介绍了目标识别的一般过程和不同融合过程(决策级、特征级和象素级)、比较了分类识别的主要方法:聚类分析、神经网络、物理模型、专家系统和模板法,阐述了目前在决策级分类融合中使用较多的经典推理,贝叶斯推理和D一S方法。最后还讨论了信息融合方法在图像目标识别中的应用问题。     

基于小样本学习的军事装备识别技术

针对军事装备样本稀缺昂贵、目标识别研究进展缓慢等问题,从人类认知科学出发,提出利用民用装备数据完成深度学习训练,实现大样本知识积累;采用模式识别算法提取装备武器特征,实现样本目标识别。通过分析2种样本属性空间距离,利用卷积神经网络作为前端,采用SIFT算法作为后端,构建递进学习模型,实现对多种军事装备的高效识别。实验测试模型识别坦克、战机和军舰平均置信度分别为87%、92%和91%,军事装备武器样本数量决定目标识别精度,样本泛化可提高目标识别率。提出的递进学习模型充分利用深度学习和模式识别算法优势,实现军事领域武器装备小样本目标识别。     

多功能雷达自组网通信性能研究

针对雷达的情报传输存在传输速度慢,保密性差,实时可控性弱等问题,提出了基于信号共享的雷达通信一体化技术,即通信信息隐藏在Chirp雷达信号中,使得雷达具有实时通信能力.在此一体化信号的基础上,分析了一体化平台的自组网性能,包括链路拓扑结构、误码率和吞吐率研究.通过仿真表明,此雷达通信一体化网络能够满足大批量数据的传输要求.