移动终端基于机器视觉的器材识别研究

提出了单兵移动终端离线状态下基于机器视觉的装备器材识别的方法,从图像采集、图像预处理、特征提取及数据匹配3个模块展开分析。简要介绍了手持终端图像采集的相关考量。通过畸变校正、降噪、轮廓提取等,得到器材的轮廓图像,为特征提取做好准备。选取器材的几何形状特征作为识别依据,通过ORB算法得到图像的特征向量,并进行匹配,达到识别器材的目的。实验测试数据表明,该算法具有较高的识别率和良好的实时性。     

潜艇使用机动搜索鱼雷攻击水面舰艇方法

发挥鱼雷航程远,能够根据线导指令按指定搜索策略对位置散布目标实施机动搜索的特点,潜艇利用特殊海洋环境远距离发现目标。在目标方位不连续、不准确的情况下,建立对目标运动要素的概略解算,根据概略目标运动要素,进行鱼雷机动搜索策略规划,对目标距离进行粗判,定下攻击决心,发射并控制导引鱼雷在目标散布区域实施机动搜索。在目标运动要素更新后,可重新规划鱼雷搜索策略,通过导引线发送至鱼雷,鱼雷实施新的机动搜索,提高鱼雷发现目标概率。     

炮射子母弹对均匀分布集群目标射击效率计算

将子弹均匀散布椭圆区域等效转换为均匀散布矩形区域,在适宽射向射击条件下,通过对单个目标条件毁伤概率的分析,导出了子母弹对矩形地段上均匀分布的集群目标射击效率计算数学模型。为提高计算效率,采用积分变量代换方法,将子母弹对集群目标射击效率计算由四重积分转化为二重积分。在将母弹散布近似看成正态散布和均匀散布下,给出了射击效率计算的两种对应的近似计算方法。算例表明,模型与方法计算精度较高。     

伺服电机NCS神经网络PID趋近律滑模控制

针对直流伺服驱动电机的网络控制系统的非线性控制系统特性和神经网络多包传输的特性,提出一种基于滑动窗口策略的多核LS-SVM神经网络PID趋近滑模控制器。该控制器可以在线控制和预测丢包补偿,并将其控制系统实现为一种具有延迟和丢包的多包数据传输直流控制器的伺服驱动电机神经网络自动控制补偿系统。其主要方法为,首先基于等效变换、无延迟和滑动窗口相结合的LS-SVM在线数据包损耗预测,建立系统的延迟补偿模型。其后通过神经网络的非线性映射对PID参数进行在线调整,实现稳态并进行分析。仿真结果表明,组合内核LS-SVM预测策略可以提高数据包损失补偿的准确性,减少系统抖振,在响应速度较快的情况下完成整定。     

未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。     

合成化装备体系火力协同关键技术

多军兵种合成是现代军事大国部队编成的基本形态,体系化对抗是现代战争的基本方式。火力协同技术对充分发挥装备体系作战效能、提升合成部队作战能力具有重大推动作用。在简单介绍装备体系火力协同技术实现流程的基础上,重点介绍装备体系火力协同所涉几种关键技术的发展过程与应用领域,并对其发展进行了展望,期望能对有兴趣投身相关领域研究的学者给予借鉴与启迪。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。