基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

BSC信道下线性分组码的差错概率下界分析

针对BSC信道,提出了一种线性分组码的最大似然译码差错概率下界的计算方法.根据最大似然译码算法原理,首先将译码差错概率转化为差错事件的联合概率,基于改进的Dawson-Sankoff界的优化准则,推导出BSC信道下线性分组码差错冗余事件的判决准则,最后得到差错概率下界的计算表达式.该下界只依赖于码字的Hamming重量...     

一种基于改进的ROUSTIDA算法的数据补齐方法

针对ROUSTIDA数据补齐方法存在的问题,提出了一种改进的ROUSTIDA数据补齐方法.该方法首先将条件属性与决策属性区分对待,优先填补决策属性值,避免了不一致决策表的产生;然后,在决策属性相同的前提下填补条件属性缺失值,扩展了原算法的使用范围;最后,通过一个实例说明改进算法补齐后的决策表的确能够获得更集中的决策规则...     

远程迷惑式干扰效果评估模型

在分析远程迷惑式干扰机理的基础上,研究迷惑式干扰的各种影响因素,分别引入了箔条云相似因子、时间有效性因子、编队模拟逼真度因子、雷达识别影响因子和战术选择影响因子等多个效果评估指标,提出了多箔条云数目的整合模型,然后求导出在远程迷惑式干扰务件下搜索雷达对真实目标的捕捉概率计算模型,最后验证了模型的合理性.     

基于排放和模糊神经网络模型的柴油机故障诊断方法

根据排放检测数据规律,定义并提取特征参数,建立了规则与模糊神经网络有机结合的柴油机故障诊断模型及其对应的特征知识库,确立了模型的“可塑性”学习路线,并以单缸失火故障为例,进行了模型诊断实例研究。结果表明：运用该方法进行柴油机的故障诊断,结果准确,识别速度快,诊断效率高。     

中远程空空导弹目标截获概率仿真计算

分析了影响中远程复合制导空空导弹截获目标的主要因素,建立了捷联惯导误差模型、载机雷达观测误差模型、雷达导引头误差模型等,提出了用蒙特卡洛法的方法计算截获概率,并给出仿真实例.仿真结果表明了模型和算法的有效性和实用性,为分析捷联惯导、载机雷达等对目标截获概率的影响提供了方法和支持.     

概率分布模型的飞机战备完好率评估与预测

飞机战备完好率是军用飞机战斗力的重要体现.在分析目前部队常用的飞机战备完好率算法缺陷的基础上,建立了基于概率分布的飞机战备完好率计算模型,该模型体现了飞机任务可靠性、维修性与战备完好性之间的关系.以某型飞机为例,通过分析飞机任务可靠度,利用飞机可靠性、维修性、保障性及作战训练任务的历史统计数据,依据概率分布模型对飞机的...     

数据挖掘故障诊断专家系统

为了及时准确地对防空导弹飞行试验故障进行诊断,克服传统专家系统获取专家知识的瓶颈,立足于防空导弹飞行试验历史数据,利用数据挖掘的方法获得飞行试验故障模式判定决策树,进而得出导弹故障判定规则,形成故障诊断专家知识库,构建防空导弹故障诊断专家系统.这使数据挖掘和专家系统两者的优点得到充分发挥.     

Visual SLAM in dynamic environments based on object detection

A great number of visual simultaneous localization and mapping (VSLAM) systems need to assume static features in the environment. However, moving objects can vastly impair the performance of a VSLAM system which relies on the static-world assumption. To cope with this challenging topic, a real-time and robust VSLAM system based on ORB-SLAM2 for dynamic environments was proposed. To reduce the influence of dynamic content, we incorporate the deep-learning-based object detection method in the visual odometry, then the dynamic object probability model is added to raise the efficiency of object detection deep neural network and enhance the real-time performance of our system. Experiment with both on the TUM and KITTI benchmark dataset, as well as in a real-world environment, the results clarify that our method can significantly reduce the tracking error or drift, enhance the robustness, accuracy and stability of the VSLAM system in dynamic scenes.     

威胁评估中的一种直觉模糊推理方法

针对战场信息中存在大量不确定性因素的特点,利用一种新的直觉模糊推理方法进行威胁企图分析。推理方法有效利用两个传统Zadeh模糊系统的输出结果,更接近于专家的思维。通过实例研究证明了该方法的可行性。直觉模糊推理是对一般模糊推理的有效扩充和发展,该方法对于提高作战指挥决策智能化具有一定的参考意义。