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。     

机动车辆自动识别系统

基于视觉的机动车辆自动识别方法工程量小、检测范围大、系统安装相对灵活，是一种很有前途的方法。目前已开发的商业系统大都用在日间辅助交通管理上。为改善视觉交通检测系统的实用性和增强系统的功能，本文作者对模型系统进行了深入的理论研究，提出了２．５维图像的新思路，提取车辆外形的综和特征更为准确，自适应识别方案使车型识别准确灵活，车头颜色特征的利用使识别的准确性进一步提高。实验证明，系统对光线的适应能力也明显增强，系统的稳定性得到改善，有望扩大系统的使用范围。     

VXI Plug & Play : 一种组建测试系统的理想规范

介绍了对推动ＶＸＩ技术发展具有重要意义的ＶＸＩＰｌｕｇ＆Ｐｌａｙ系统联盟成立的背景以及ＶＸＩＰｌｕｇ＆Ｐｌａｙ规范的主要内容,制定规范所遵循的原则和要求,对ＶＸＩＰｌｕｇ＆Ｐｌａｙ发展前景做了展望,说明了虚拟仪器软件结构的框架,并初步探讨了组建一个自动测试系统的方法和步骤以及如何利用ＶＸＩＰｌｕｇ＆Ｐｌａｙ设计仪器驱动程序。     

类V型微裂纹检测系统原理

报导了基于漏磁法,采用高信噪比的霍尔磁传感器及放大器,配以高精度的自动传动与光电定位装置,以及自行设计的信号采集与分析处理软件所构成的类V型微裂纹检测系统及其原理。该系统能对宽度在50μm及以下的微裂纹进行检测。     

红外图象的预处理与目标分割

文中介绍了采用数字低通滤波器去除红外图象中背景起伏的方法;在红外图象中采用统计矩来估计目标的位置与特征;描述了一种分割红外目标图象的新方法。对红外图象与模拟图象的处理都表明是一种面向实际应用的红外图象处理技术。     

基于模糊综合的红外目标融合识别

为了提高在复杂背景和强干扰条件下目标识别的可靠性,提出了一种基于模糊综合的目标融合识别算法,并采用双色红外成像系统所获得的红外图像数据进行了实验仿真。实验结果表明该算法在较大程度上提高了目标识别的可信度。     

地面目标特征识别与无人飞行器位姿估计

针对小型无人飞行器位置姿态估计问题,提出了一种基于视觉图像目标特征的相对位姿估计算法。应用Camshift算法获取目标初始位置,利用非线性尺度空间下的KAZE特征进行跟踪区域特征点提取,与源目标特征点进行匹配,得到精确的目标位置信息,实现了在图像平面内的目标快速跟踪,并得到机体轴系下无人飞行器与目标间相对位置和姿态角的估计值。对算法进行了实验验证,具有优良的跟踪性和实时性。     

天拓一号星载自动识别系统设计与在轨应用

介绍了星载自动识别系统的技术优势和应用前景;针对由传统地面自动识别系统向星载自动识别系统发展所带来的多网信号冲突、多普勒频移、空间链路衰减等技术难题,对天拓一号星载自动识别系统的系统进行了设计,包括系统组成、接收机指标和功能、天线和微波开关设计,对星地自动识别系统链路电平进行了估算;重点介绍了自动识别系统接收机的空间应用性能测试和环境试验方案;介绍了天拓一号星载自动识别系统在轨应用情况,结果表明所设计的AIS接收机可一定程度上缓解星载自动识别系统的技术难题,满足大范围海事目标监测的应用需求。     

小子样下火炮连发密集度的分析与评估

针对火炮连发模式下射弹散布不完全服从正态分布,而缺乏有效密集度估计方法的问题,提出了基于二维云模型和蒙特卡罗方法相结合的火炮连发密集度估计新方法。首先应用蒙特卡罗抽样解决火炮射击样本量少的问题,然后应用二维逆向云算法对火炮射击结果进行密集度估计,最后用二维正向云发生器模拟生成新的射弹散布数据,进而直观地看出弹点分布情况。实例分析表明,该方法更符合火炮连发射弹散布真实情形,分析结果更准确可靠,从而为基地火炮连发密集度试验数据分析与评估提供了一种有效的方法。     

CFO条件下的OFDM子载波调制样式识别方法

提出了一种基于信号幅度分布特征与多次方谱线特征相结合的调制样式识别算法。该算法主要基于正交解调后的正交频分复用子载波信号的幅度分布特征,采用直方图统计的方法实现多进制相移键控和多进制正交幅度调制识别,用多方次谱特征实现多进制相移键控类的调制识别。相比基于经典的高阶累积量的调制识别算法,具有更好的载波频率残留偏差适应能力,在载波频率偏差条件下,提高了调制识别率;相比循环平稳方法,具有更好的信噪比适应能力。仿真实验结果表明了该方法的有效性,相同的识别率下能适应更低的信噪比。