基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。     

多传感器数据融合在空间目标跟踪中的基本应用

现代防空系统面临的威胁是不断变化的。航空、航天和电子战技术的发展构成了新的空间作战环境。随着空间进攻战术的发展，为了对空间环境作出更好的判断，需要多传感器组网并采用数据融合技术的防空作战系统。数据融合是多源信息处理的一项新技术，将数据融合技术引入了多传感器目标跟踪系统能提高系统的整体性能，可以使系统发挥最大的潜力。本文首先分析研究了传感器网之间的各种融合方法的特性和共性。在此基础上，研究了融合算法的一个具体应用。     

空中运动目标的识别和跟踪控制

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

基于小波变换与粗糙集的雷达目标识别方法

雷达目标识别是防空武器系统雷达信息处理的一个关键环节.在小波变换与粗糙集基础上提出一种雷达目标识别方法.小波变换能够提高了时--频分频率;粗糙集理论是一种新型的处理不确定性知识的数学工具.利用小波变换对目标原始信息进行分解,得到目标的能量特征向量;通过粗糙集简化关系表,删去冗余信息,用逻辑推理算法表示判别规则.应用小波变换与粗糙集能够满足利用不精确信息进行目标识别的需要.     

网络化舰艇编队协同防空目标分配模型研究

在舰艇编队对空防御作战中,如何利用网络化的舰艇编队防空系统对舰空导弹的目标分配进行协同防空,扩大舰艇编队的防空区域,是提高舰艇编队生存能力的关键。传统的火力分配方法存在计算复杂、耗时长等不足,文中通过具体实例建立了舰空导弹线性规划防空火力分配模型,并进行了分析和仿真。     

基于LOFAR谱图的水下目标识别方法

基于LOFAR谱图的主成分分析法是目前用于对水下目标识别的重要方法之一,文中详细分析了该方法的基本原理和具体应用过程,并对潜艇辐射噪声的实测数据进行了仿真和分类试验,给出了仿真图和试验结果.结果表明,运用该方法对水下目标进行识别的识别率较高.     

公开SAR图像目标数据集及其在深度学习中的应用综述

由于合成孔径雷达(SAR)图像可读性较差,所以对其进行目标检测与识别处理的难度也较大.近年来,随着深度学习(DL)方法的不断发展,许多学者将其引入SAR图像目标检测与识别研究中.该类方法以数据为驱动.其中,监督学习方法更以已标注的数据为基础.但是,SAR图像目标的标注通常是昂贵且耗时的.鉴于此,本文对已公开的SAR图像...     

防空作战动静态武器目标分配初步研究

防空作战中的武器目标分配是影响系统作战有效性的重要因素之一。动静态结合的武器目标分配,既考虑了武器对不同目标杀伤效果,又考虑了作战这一动态随机过程的特性。讨论了在合理简化条件下的分配过程,先把对目标群的射击效能作为目标函数制定决策,可将目标分配决策化成一个马尔可夫决策过程,通过策略迭代算法得到最优分配策略从而实现系统效益的最大化。最后进行了简化条件下的算例验证,结果表明,该方法能使武器系统获得最大的射击效能,是一种有效的分配方法。     

照射制导雷达自主搜索仿真模型

建立了某型地空导弹武器系统照射制导雷达自主搜索目标的模型 ,为该武器系统的防空作战效能评估和攻防对抗仿真研究提供了依据     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应，先对录取的回波数据进行预处理，把一维回波序列投影成二维灰度图像，然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量，采用BP神经网络对目标进行分类识别试验，结果表明该方法是有效的，这为常规低分辨雷达空中目标识别提供了一种新方法。