水雷总体的声学问题

提出了水雷隐身的总体声学问题概念.通过对水雷声隐身的两种手段:壳体上涂涂层和改变外形进行比较,发现隐身的关键在于外形设计.讨论了改变水雷外形以降低其目标强度(TS)途径,分析了几种不同水雷外形对声纳探测距离的影响,认为改变水雷外形是降低声探测距离的有效手段.     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

球形头部弹丸侵彻运动靶板的数值模拟

为研究球形头部弹丸高速侵彻运动靶板的侵彻规律,运用LS-DYNA动力分析软件仿真研究了不同条件下球形头部弹丸对靶板的正侵彻效应,获得了运动靶板厚度、材料和弹丸着速3种参数对侵彻过程中弹丸弹道偏移、翻转角度和剩余速度的响应规律。结果表明,随着着速的提高,弹丸翻转幅度和弹道偏移量逐渐减小;随着靶板厚度的增加,弹丸正向翻转角度和轴向剩余速度显著减小,而弹道偏移量增大;3种材料运动靶板中,4340钢靶对弹丸弹道偏移、翻转角度和剩余速度的影响最大,Weldox460钢次之,LY12铝最小。     

目标识别跟踪系统的图像收集处理软件流程设计

详细介绍了目标识别跟踪系统中图像收集处理软件的设计流程。首先介绍了目标识别跟踪系统,然后从视频图像显示到目标图像获取和发送的整个流程进行详细阐述,并针对流程节点中获取目标图像的两种方式加以深入研究。     

基于有限条件的多波束雷达干扰系统目标分配算法

针对多波束干扰系统同时干扰多个目标的资源分配问题,通过分析目标分配算法的一般流程及涉及到的关键问题和技术难题,提出了基于实战化和有限条件的针对多波束干扰系统的非线性0-1整数规划数学模型。针对该模型采取开源软件SCIP进行求解,最后给出数值仿真来说明模型和算法的有效性。     

随队支援干扰目标选择辅助决策方法

随队支援干扰是现代空袭作战中重要的电子对抗手段,随队飞行过程中对干扰目标的选择是随队支援干扰飞机作战运用研究的重点和难点问题,详细分析了随队支援干扰飞机的作战阶段划分及主要作战行动,针对雷达网的探测距离和综合发现概率指标,建立了随队支援干扰下的计算模型,并主要尽可能地降低雷达网的综合发现概率,提出了基于动态规划的干扰目标选择辅助决策模型。最后,以某种作战背景为基础,进行了作战过程仿真和辅助决策结果分析,验证了该方法的可行性和有效性,该方法求得的结论也支持随队支援干扰飞机其他方面的作战运用研究。     

显示界面复杂目标辨认研究

为了使作战人员更快速地辨认武器系统显示界面目标,研究人对不同复杂程度及大小的目标符号辨认情况,为武器系统显示界面的目标编码设计提供依据。提出目标符号复杂度的定义,建立复杂度计算公式,对符号的复杂程度进行量化。通过测定被试完成搜寻特定目标的时间,建立反应时间和符号复杂度与大小、高复杂度目标数量与大小的线性回归模型。提取被试辨认不同复杂度目标的脑电信号,分析脑负荷。结果表明符号复杂度越低或尺寸越大,目标越容易辨认;当大小一定时,人对复杂度3以下的目标辨认情况较好,对复杂度3以上的目标辨认绩效明显下降;脑负荷随着目标复杂度的增大而增大。结论为武器系统显示界面的符号复杂度应设计在3以下,高复杂度目标符号使用时应合理调整其大小。     

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.     

相参雷达间歇采样灵巧干扰方法

间歇采样转发干扰是针对相参雷达一种有效的干扰方法,它利用脉压雷达匹配滤波特性,能够对雷达形成假目标干扰.首先分析了间歇采样转发干扰方法,指出了间歇采样转发干扰的不足之处,即脉压后干扰能量损失和假目标分布均匀,进而提出了间歇采样灵巧干扰方法,新方法形成的假目标分布不均匀,使得雷达识别真假目标可能性大大降低,仿真实验验证了新干扰方法的有效性.     

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.