利用主客观集成赋权法的多目标威胁评估

在利用逼近于理想解的排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)进行多目标威胁评估时,针对如何获取合理的目标威胁评估因子的权重比,提出了一种主客观集成赋权方法。该方法首先利用主观赋权法和客观赋权法获取两组权重值;然后,通过构造多目标规划模型,将两组权重值进行综合处理,得到更合理的权重值。仿真结果表明,相较于主观赋权法和客观赋权法,所提方法计算出的威胁评估因子的权重值,在用TOPSIS法计算目标威胁评估时,能够得到更加合理、有效的评估结果。

结合卷积神经网络和随机森林的辐射源个体识别

为提高辐射源个体识别准确度,解决工程化应用问题,同时避免在信号样本有限的情况下单一识别算法的局限性,提出了一种结合卷积神经网络和随机森林的辐射源个体识别方法。该方法分别利用卷积神经网络和随机森林训练生成两组个体识别模型,然后采用识别概率统计法生成不同辐射源个体的综合权值向量,最后根据权重向量形成针对不同辐射源个体的综合识别模型。仿真结果表明,相较于单一算法,所提方法能够提升整体识别准确率,同时,对不同辐射源个体均有较好的适用性。

基于数据链的分组分布式情报处理技术研究

面向战场的情报协同处理通常包含数据传输、目标识别分析、目标关联融合、态势综合等关键环节。对于以数据链进行通信的海陆空机动传感器数据融合和态势生成,提出基于数据链的分组分布式情报处理技术。该技术主要研究基于数据链的情报传输、融合处理及态势综合的关键技术,着重解决在数据链带宽有限、传输不稳定的情况下,大量战场数据、控制命令传输以及多源传感器协同瞄准问题。通过构建分组分布式情报处理架构,有效降低数据传输带宽需求,提升各个传感器或情报应用节点情报融合和共享能力,形成全局统一态势,进一步提升战场态势应用效能。