C~3I系统中战场视频镜头检测与关键帧提取

在C3I系统中,通过大量的战场视频进行态势信息提取以及目标识别一个重要环节就是镜头检测和关键帧提取。针对战场视频中有较多的光照条件改变,以及战场视频处理算法要简单快速等特点,给出了一种基于颜色直方图差的镜头检测和关键帧的提取方法。基本思想是同一镜头内的帧在颜色特征上没有显著变化,当连续帧的颜色直方图差超过阈值时则认为镜头出现了转换,对于同一镜头内的候选关键帧,计算之间的距离并与阈值进行比较来确定是否为关键帧。在VC++6.0的环境下,经过编程实现验证,该方法有效可行。     

基于趋近律的离散滑模位置跟踪控制

针对不确定对象的主要特点,运用离散滑模变结构理论探索不确定对象的位置跟踪问题。设计了一种离散趋近率滑模位置跟踪算法,推导了滑模控制的可达性条件。该算法以离散位置信号作为输入,设计了离散指数趋近率,根据系统当前的状态,有目的地调整控制器,采用离散Kalman滤波器对干扰和噪声进行滤波。经仿真研究,该算法不仅在无扰动无噪声条件下,能够准确的进行位置跟踪,而且在扰动和噪声时,具有较强的鲁棒性和抗干扰性,较好地满足了位置跟踪控制的要求。     

反舰导弹对目标信息迟滞的适应性分析

目标信息迟滞(延误)情况下的导弹攻击是导弹超视距攻击的一种常态。以直升机引导反舰导弹实施超视距攻击为例,在全面分析反舰导弹超视距攻击射击误差因素的基础上,建立了反舰导弹捕捉概率模型,对目标信息迟滞对导弹捕捉概率的影响进行了精确定量分析,得出了相关结论,并对导弹超视距攻击的引导与实施提出了建议与要求。     

基于组合熵权的联合作战目标选择模型研究

针对作战中目标选择与排序问题,分析确定了8种在联合作战条件下影响目标选择关键因素。在此基础上应用多属性决策理论,以组合熵权系数确定指标权重,建立了目标选择模型。模型简洁易于实现,并且在决策中有效减少了主观随意性。最后通过仿真实例说明了模型的有效性和可操作性。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

基于多时刻目标运动模式分布的多模型算法

在机动目标跟踪过程中,传感器在利用量测数据计算目标状态的同时,需要完成对目标运动模式的估计,并根据估计结果对传感器滤波方程的参数或结构进行调整,以减小滤波方程与目标运动模式之间的差异,提高对机动目标的跟踪精度.针对已有多模型算法的不足,利用多个时刻的目标运动模式分布来解决混合估计问题,提出一种新的次优多模型(MTMM)算法.仿真结果证明了MTMM算法的有效性.     

AHP法改进及其在目标威胁等级评估中的应用

目标威胁等级评估有利于合理分配战场资源,进行科学的攻防决策,既能更好保存自己,又可有打击敌人。应用模糊综合评判和成对比较法构造判断矩阵,改进了层次分析法(AHP法),提高了判断矩阵的准确性和科学性。采用改进后的AHP法评估威胁水下潜艇生存的海面和水下目标,得到了目标威胁的量化结果。改进后的AHP法可用于其它类型目标的威胁等级评估,为进一步提高评估的准确性,模糊综合评判时专家评分权值可取不同值,但判断矩阵的特性有待进一步研究。     

基于主成分分析法的目标威胁评估

为提高防空作战指挥员对空中来袭目标实施火力分配的量化决策水平,本文提出了基于主成分分析法的目标威胁评估模型及方法。主成分分析法在将原始变量转变为主成分过程中,同时形成了反映主成分的权数以计算综合评价值,这样在指标权重选择上克服了主观因素的影响,客观反映了各指标因素间的现实关系。通过引入实例,对来袭空中目标进行多指标综合评价,根据综合评估值对各批目标威胁进行排序,所得结果合理且符合客观实际,切实为防空作战指挥员科学合理地实施火力分配提供了数据支持和科学依据。     

基于蚁群算法的防空兵兵力机动线路优化

根据防空兵对机动线路的要求以及战时的安全性特点,得出影响防空兵兵力机动线路选择的因素,引入里程指数的概念,将线路的长度进行修正赋权,给出兵力机动线路的等效线路长度。把这一等效线路长度结合到蚁群算法中,能够较好地模拟现代战场的复杂环境对防空兵兵力机动路线的影响,并能科学、合理地选择路线,为指挥员的决策提供帮助。     

多传感器任务分派的快速启发式规划新算法

在多目标多传感器管理中经常采用的线性规划算法中,随着传感器个数和目标个数的增加,计算量会爆炸式增长,使得跟踪系统不能实时计算,为此,根据传感器管理中线性规划的特点,提出了一种快速启发式算法,考虑组合中的传感器个数将组合的分配效用转化为权重,递推分配权重最大的组合,逐步减小组合和目标的个数.证明了权重最大的组合分派能实现组合中的传感器的最大效用.仿真结果表明该算法在与采用线性规划方法的跟踪精度相当的情况下,能有效地减小计算量.