基于区间灰关联的雷达辐射源识别新方法

在现代密集信号环境中,接收机测得的和辐射源数据库中的雷达特征参数具有不确定性,一般用区间值表示.针对区间类型的特征参数的雷达辐射源识别,提出了一种新的基于区间灰关联度的雷达辐射源融合识别方法.该方法首先运用区间灰关联度得到基本概率赋值,然后运用证据组合与决策实现目标识别.仿真结果表明,这种识别方法是有效的.     

神经网络在精确打击目标识别中的应用研究

目标识别正确与否直接影响到防空火力的部署、分配及有效打击.利用BP神经网络识别精确打击目标并进行了仿真实验.建立了样本库,提取图像的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.仿真结果表明,不变矩理论很好地解决了3维物体的2维图像在旋转、平移、缩放时能否成功提取图像特征的问题,而采用LM优化算法的BP神经网络训练速度快,识别准确率高.     

一种SAR图像特征提取和目标分类的新方法

提出了一种利用二维离散小波变换与核主成分分析结合对SAR图像进行特征提取的新方法.该方法对SAR图像进行三层小波分解后提取低频子带图像的核主成分分量作为目标的分类特征,利用支持向量机完成目标分类.采用MSTAR实测SAR目标数据集进行特征提取和分类实验,实验结果表明:该方法可以有效提高目标的正确识别率.     

一种基于PRI变化规律的雷达辐射源识别方法

针对相控阵雷达中某些具有复杂PRI调制样式的工作模式难以准确识别的问题,提出一种通过提取PRI序列变化规律来进行辐射源识别的方法。该方法借鉴了脉冲样本图的模型以及生物信息学中基因序列比对的动态规划思想,较好地解决了某些复杂PRI调制样式不好描述,以及相控阵雷达中一个完整工作模式包含脉冲序列长度太短,以致很难通过统计的方法对其进行准确识别的问题。仿真结果表明该算法的有效性,而且在存在脉冲丢失和干扰脉冲的情况下具有稳健性。     

基于粗糙集理论的飞行轨迹识别

针对飞行轨迹人工识别对专家经验依赖性强,识别准确率不稳定的问题,提出一种基于粗糙集理论的飞行轨迹识别方法。首先,对飞行轨迹进行特征提取,获取用于轨迹类别判定的条件属性和决策属性;其次,利用模糊自组织神经网络对飞行轨迹决策表离散化,采用启发式遗传约简算法对条件属性约简,消除了冗余属性对识别结果的影响;最后,利用实际飞参数据进行轨迹识别,结果证明该方法准确有效。     

考虑目标微多普勒频移的反导雷达配置模型

针对采用微多普勒频移识别目标的反导雷达,对其配置问题进行研究,以便更好地发挥其目标识别能力。首先,利用雷达性能参数,计算出要探测某一弹道时的雷达可配置区;其次,分析目标微多普勒频移对目标识别可能性的影响,以雷达覆盖区和高概率识别区的最大化为目标建立雷达的配置模型;最后,通过仿真分析发现通过调节雷达覆盖区与高概率识别区的权重,可以得到针对不同作战需求时的雷达配置方案。     

觉察压力、社会支持、健康行为关系的路径分析

目的：综合研究觉察压力、社会支持和健康行为间的关系。方法：在问卷调查的基础上采用路径分析的方法,建立三者之间的结构方程模型并进行验证。研究工具：调查问卷：觉察压力量表;领悟社会支持评价量表;报告健康行为量表。结果：①问卷内部一致性信度为：0.701-0.802。②模型各拟合指数为：χ^2/df=1.34（χ^2=104.481,df=78）;GFI（拟合优度指数）=0.898;AGFI（调整拟合优度指数）=0.900;NFI（规范拟合指数）=0.926,TLI（Tucker-Lewis指数）=0.897;CFI（比较拟合指数）=0.912;RMSEA（近似误差均方根）=0.051。说明模型拟合情况良好。结论：应综合开展包括：压力应对、建立社会支持环境、培养良好生活方式在内的心理健康教育。     

Virtools环境下虚拟装备行为控制方法

为解决当前基于Virtools的装备虚拟训练系统中外观模型与机理模型紧密耦合所导致的模型开发效率低、不可重用的问题,分析了虚拟装备仿真模型结构,提出了一种基于Virtools消息机制的虚拟装备行为控制方法,实现了机理模型与外观模型相互分离、彼此独立的开发和维护,提高了模型的可维护性和可重用性。基于该方法开发的“某高炮虚拟训练系统”,已推广至军事院校的教学、训练,其验证了该方法的可行性。     

计划行为理论视角下的学员考试违规行为分析

根据计划行为理论基本原理,通过问卷调查,分析促成学员考试违规行为意向形成的因素,提出相应措施予以适当干预,减少或杜绝考试违规行为发生。     

基于VD-AiNet聚类算法的空袭目标类型识别

针对防空反导作战中空袭目标类型识别问题,在分析空袭目标的主要类型、识别指标及其识别原则的基础上,将人工免疫算法中矢量距人工免疫网络聚类算法应用于抗体样本训练模块,并建立了抗体训练和目标识别的并行决策模型.最后进行了算例验证,结果表明了算法和模型的可行性和有效性.