电子信息作战训练方法

电子信息作战训练是提高打赢信息化战争能力的必然要求.分析了实兵实抗训练的局限,总结了计算机模拟训练及其与实兵实抗训练相结合的一体化训练的内涵和国内外现状,从系统体系结构设计、通用对象模型开发和网关设计与实现等方面探讨了基于试验训练使能架构(TENA)逻辑靶场的建设方法.     

飞机图像导航数据库系统的设计与开发

运用图像导航原理,设计并实现了一套飞机图像导航数据库系统.系统将导航所需的信息和若干地区的地面图预先存放在数据库中的特定位置.用户只需在系统的可视化界面中进行少量的操作,该系统就能够在飞机航行的过程中实时地显示拍摄到地面图像,并将该图像与数据库中的相关图像进行特征匹配,从而获取并提供给用户飞机当时的位置、航速快慢及航向误差等导航信息.     

基于相位相关和自适应阈值的图像亚像素配准

针对图像的亚像素配准问题,提出了一种基于相位相关和自适应阈值技术来计算图像间平移参数的方法.先通过传统的相位相关技术得到图像间的整数平移参数,接着引入由整数平移参数自适应确定的阈值来消除相位相关矩阵的主导奇异向量中相应的高频部分,最后使用主导奇异向量剩下的部分来估计非整平移参数.实验结果证实了这一方法具有较高的配准精度和鲁棒性.     

电子靶场中对歼击航空兵战训活动的自动化评估

航空兵在局部战争和武装冲突中的使用经验显示,战斗任务的完成效率不仅取决于武器装备的性能,还取决于机组和战斗指挥人员的战术素养水平。本文针对航空兵试验、训练靶场存在的问题,论证了构建电子靶场的必要性、可行性以及电子靶场的主要功能和目标,提出了电子靶场中对歼击航空兵战训活动的自动化评估方法。这种方法可用于评估自动化系统（电子靶场）目标的掩护结果,也可在构建未来机组作战指挥人员和空勤人员战术综合模拟器时使用。此外,还提出了可对歼击航空兵机组和战术机群行动结果进行实时评估的自动化评估程序和算法模型,下一步将根据歼击航空兵的宗旨,编制自动化评估算法软件。     

基于卷积神经网络的无人机图像模糊类型识别

为了提高无人机图像模糊类型识别的准确率,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的无人机图像模糊类型识别方法。通过样本预处理策略对无人机模糊图像样本进行处理,提高了方法的识别效率,同时降低了错误率。提出一种适用于模糊图像灰度频谱图的卷积神经网络结构,并利用训练样本对网络进行训练,增强了网络结构的针对性,提高了训练模型的识别准确率。利用测试样本对训练的网络模型进行测试,验证方法的鲁棒性。实验结果表明,将卷积神经网络应用于图像模糊类型识别,取得了良好的效果,针对实验环境下的无人机运动、离焦和大气散射3种模糊图像类型的识别准确率较高,所提方法的鲁棒性强、实用价值大。     

基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

基于云贝叶斯网络的毁伤效果评估方法

目标毁伤效果评估是为指挥员提供决策的量化的依据,是现代信息化战争中必不可少的一环。基于图像的毁伤评估技术更是现代信息化战争必不可少的评估手段,通过对毁伤图像进行特征量提取,基于贝叶斯网络的概率推理和云模型强大的知识表示,进行毁伤评估值和毁伤等级的计算。仿真结果表明,该方法充分考虑到了不确定信息的模糊性和随机性,具有有效性和可行性。     

基于特征提取的三维流线分布算法

特征提取与清晰表达是三维流场可视化研究中的两个主要问题.提出了一种基于特征提取的三维流线分布算法,既保障了流场临界点附近的特征结构得以正确描述,同时又使输出结果具有良好的清晰性.该算法分为三个步骤:首先,在临界点的快速检测基础上,根据临界点处Jacobian矩阵特征值对临界点进行分类,并对临界点与种子点模板进行匹配;其次,种子点依照优先规则排序,并从这些种子点出发在物理空间计算出流线;最后,在图像空间由预先设置的阈值对流线进行间距控制,并根据深度检测来保留离视点最近的流线,使得屏幕上的输出结果清晰.