基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。     

新型伪加速度修正自适应滤波算法研究

提出了一种新型自适应滤波算法,该算法采用球坐标系,同时根据当前目标的运动状态实时调整增益.仿真结果表明该算法易于工程实现,可实现机动目标的快速自适应跟踪.     

作战任务对防空导弹武器系统威胁判断结果的影响分析

梳理了判断涉及的目标参数结合武器系统的作战任务需求。提出了一种根据作战任务建立威胁判断数学模型的指导方案，给出了如何应用该方案对已有模型进行改进的措施。仿真分析中对一种基于层次分析法和模糊综合决策法的空袭目标威胁评估模型进行改进，在多目标的空袭环境中演示了不同作战任务对目标威胁判断结果的影响，验证了模型的工程参考价值。     

灰色层次分析法在导弹武器系统生存能力评估中的应用研究

分析了影响导弹武器系统生存能力的主要因素,建立了武器系统生存能力指标体系;对灰色系统理论中的三角白化权函数进行了适应性改进,形成了一种基于层次分析-灰色评估法的新型导弹武器系统生存能力评估模型。最后,利用该模型对某导弹武器系统进行生存能力评估,评价结果具有客观性,有一定的应用价值。