基于绝对多普勒的多预警机协同补盲方法

为了实现对责任区全区域、大视角来袭目标的严密预警探测,提出一种基于绝对多普勒的多预警机协同补盲方法。首先,分析目标径向速度的影响因素及其变化规律,推导绝对多普勒的数学表达式,将影响多普勒盲区的复杂多变因素优化调整为目标速度及目标与预警机间的相对位置。其次,运用仿真建模方法,基于绝对多普勒杂波凹口表达式,设计一种以检测点数表征的单预警机多普勒盲区地图绘制方法。然后,在“使得协同中的各预警机或至少有一架预警机的径向速度盲区不落在或尽量少落在重点方向上”的准则牵引下,提出一种图上作业式的多预警机相对位置关系解算方法,完成多预警机的协同部署。最后,通过双预警机圆环拱卫阵形的协同部署实验,验证该方法的有效性和实用性。

基于动态估计反馈的灰色理论航迹关联算法

针对传统基于灰色理论航迹关联算法未充分利用航迹历史信息,在密集目标以及时变噪声协方差等场景下关联正确率下降问题,在传统灰色分析法基础上增加了一种动态估计反馈机制。改进后的算法引入了Sage-Husa估计器来实时估计传感器的噪声协方差作为评估输出数据质量的依据,并使用Critic赋权法将实时噪声协方差转换为各时刻序贯权重,从而保证最大程度上的利用航迹历史信息。仿真证明,在密集目标与时变噪声协方差等特殊关联场景下,所提算法明显优于传统灰色分析法以及模糊法、加权法等经典算法,充分证明了所提算法的性能优越性以及鲁棒性。

空中目标作战意图识别研究综述

随着战争形式的不断演变和武器装备的更新换代,空中战场态势日益复杂,迅速准确地识别目标作战意图是战场态势评估的一项重要内容,可以为指挥员的决策提供辅助信息,有利于掌握战争主动权。首先介绍了目标意图识别的基本概念及相关模型,界定了目标意图和意图识别的定义概念,从作战指挥决策流程和信息融合流程2个方面确定了目标意图识别的地位和重要性;其次目标特征和意图空间分别作为意图识别的输入属性和识别框架,是意图识别的基础并对此进行了综述;然后综述规则和模板匹配、证据理论、贝叶斯网络、传统机器学习和神经网络等5类常见的目标意图识别方法,介绍了每种识别方法的基本机理和识别过程,总结了其优缺点;最后对比分析了5类目标作战意图识别方法的性能,并对其未来研究方向进行了展望。

基于遗传算法的实体分群问题的求解方法

为减轻指挥人员的认知负担,研究了作战实体的分群问题。结合遗传算法强大的搜索能力和CBR在知识获取、维护等方面的优点,利用与CBR相结合的遗传算法求解分群问题。通过把各作战实体聚合为各种规模、各种类型的作战群体,该方法将大大减轻指挥人员的认知负担,提高其决策的效能。

基于改进注意力机制的自适应航迹预测方法

针对现有循环神经网络在解决目标航迹预测问题中容易存在训练过拟合、预测精度不高、泛化能力差以及适应性不强的问题,提出了一种基于改进注意力机制和门控循环单元(GRU)的目标航迹预测方法。该方法通过早停法来自动终止网络训练过程,防止训练过拟合;通过模型检查点函数保存网络训练中的最优网络参数;通过把注意力机制引入GRU网络中,对轨迹特征赋予不同的权重来聚焦重点航迹信息,提高网络的预测性能。最后,通过仿真实验证明,该方法能够有效提升循环神经网络的预测精度、泛化性及适应性。

一种基于Hough变换的线型群体队型识别方法

作战群体的队型是作战群体的重要属性之一,它往往反映了群体中各成员之间的协作关系,直接体现着该群体近期的作战意图、身份及威胁等态势信息。为了给指挥人员的态势评估及军事指挥提供更多深层次的战场信息,从而为其决策提供更好的支持,重点研究了作战群体线型队型的识别问题。利用Hough变换的点线对偶特性,给出了线型队型的模板建模方法,提出了基于参数点聚类的线型队型特征提取方法,进而给出了基于模板匹配的线型队型识别方法。仿真实验表明,该方法是行之有效的。

一种基于群体分析的态势评估与威胁估计模型

了解指挥人员的决策过程是利用STA技术进行决策支持的前提。当前的STA研究虽然大多都注意到了STA功能在认知上的层次性,却忽略了STA过程上的层次渐进性。针对该问题,着眼于军事决策过程的层次性,提出了群体分析的概念及相应的功能模型,并进一步提出了基于群体分析的STA方法。该方法把对整个战场态势的理解分解为对各指挥层次的多个群体的理解,将STA过程分解为一个逐部分、逐层次进行的过程。该过程符合指挥人员的认知过程,能满足不同层次指挥人员不同粒度的认知需求,从而能更有效地支持STA系统的设计。

态势评估中的作战群体类型识别

针对类型识别所处理的情报和使用的知识的不确定性,尤其是情报与知识在观点上的不明确性,提出了基于证据理论的情报表示及组合方法,并给出了群体类型的模板表示方法,进而提出了基于组合情报与模板模糊匹配的作战群体类型识别方法。该方法可应用于各个层次的兵力聚合过程,以辅助各个指挥层次的军事决策,提高决策的速度及效率。

应用插值理论实现雷达空情想定模拟仿真

现代战争的自动化甚至智能化的指挥，需要自动化的军事装备与一批熟悉自动化装备的指挥参谋人员的有机结合、在和平时期，为了提高雷达团指挥参谋人员的指挥能力和业务水平，适应未来复杂多变的战场态势，可对雷达团各种战术背景下的实时空情进行模拟仿真，实现各种仿真功能，以达到简化训练想定的制作，提高训练效果的目的。

基于证据理论的作战群体类型建模与识别方法

作战群体的类型识别是兵力聚合中的一个重要问题,针对类型识别所处理的情报及所使用的知识的不确定性,尤其是情报与知识在观点上的不明确性,本文提出了基于证据理论的情报表示及组合方法,并给出了群体类型的模板表示方法,进而提出了基于组合情报与模板模糊匹配的作战群体类型识别方法。该方法能应用于各个层次的兵力聚合过程,以辅助各个指挥层次的军事决策,提高决策的速度及效率。

数据挖掘中的聚类算法综述

聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。全面总结了数据挖掘中聚类算法的研究现状,分析比较了它们的性能差异和各自存在的优点及问题,并结合多媒体领域的应用需求指出了其今后的发展趋势。

多传感器目标融合识别系统模型研究现状与问题

多传感器信息融合系统是当前国内外军事领域的研究热点以及大型军事信息系统开发的重点之一。总结归纳了信息融合在目标识别领域的重要意义,指出目前多传感器信息融合系统设计所面临的问题。从功能模型、结构模型、算法模型三个方面分析了多传感器目标融合识别系统的研究现状。比较了模型中各典型方法的优缺点与适用领域、最新进展,并论述了各模型在反导目标识别领域的针对性应用。指出了多传感器信息融合系统的体系设计、系统集成与性能评估所存在的问题,并对其发展趋势进行了展望。

高维数据聚类方法综述

总结了高维数据聚类算法的研究现状,分析比较了算法性能的主要差异,并指出其今后的发展趋势,即在子空间聚类过程中融入其他传统聚类方法的思想,以提高聚类性能。

反导预警作战资源调度方法

针对反导预警作战中多部预警资源协同探测多批弹道导弹目标的问题,根据反导预警作战资源调度的特点,提出了反导预警作战任务分解策略,并以调度效益、交接次数和资源负载均衡度为目标建立了多目标优化模型。通过重新设计粒子编码方式以及对重新定义粒子群优化算法中的位置更新公式,使其适用于求解离散变量优化问题。针对粒子群优化算法容易过早收敛的缺点,在进行局部搜索时使用变邻域搜索算法,从而增强算法的寻优能力。通过仿真实验验证,将两种算法相结合能够快速有效地解决反导预警作战资源调度问题。

基于矩阵信息几何的飞机尾流目标检测方法

矩阵信息几何在雷达信号处理和目标检测中的应用是一个正在引起关注的研究方向。飞机尾流回波经过傅里叶变换后,其功率谱是展宽的,传统动目标检测(MTD)方法未能对展宽的功率谱进行有效积累。针对飞机尾流目标检测问题,基于矩阵信息几何理论,该文提出了一种矩阵恒虚警率(CFAR)检测方法,该方法中观测数据协方差矩阵构成一个矩阵流形,类比CFAR检测的思想,利用检测单元协方差矩阵与参考单元协方差矩阵均值间定义的距离作为检测统计量。最后利用噪声中仿真的尾流回波数据,分析了黎曼均值的迭代估计性能、尾流目标协方差矩阵与噪声协方差矩阵的测地线距离随信噪比的变化,比较了常规MTD检测方法和矩阵CFAR检测方法的检测性能。

基于内容图像检索中的索引技术

首先总结了基于内容图像检索中索引技术的研究现状,指出了其中存在的问题以及今后发展趋势,然后提出了一个新的聚类算法和降维算法,并将两者结合起来提出了一个可用于基于内容图像检索的索引机制。

多媒体数据挖掘中数据间的相似性度量研究

聚类是多媒体数据挖掘的重要任务之一,数据之间的相似性度量是聚类的基础和前提。多媒体数据的特征矢量通常都是数十维甚至数百维的,但传统的相似度量方式一般只适用于低维数据。在分析高维数据特性的基础上,提出了一个新的度量方式。通过使用一个特定的策略对原始数据空间进行网格划分,该方法较好地避免了噪声数据对高维数据相似性度量的影响。实验证明此方法是有效的。

高维数据的相似性度量研究

数据间的相似性度量是进一步分析数据集整体特性的一个重要基础。针对高维数据的相似性度量问题,提出了一种基于子空间的相似性度量方法。该方法先将高维空间进行基于网格的划分,然后在划分后的子空间内计算数据间的相似性。理论分析表明,在合理选定网格划分参数的前提下,该方法可有效减小"维度灾难"对高维数据相似性度量的影响。

基于TOPSIS法的反导预警系统作战效能评估

对反导预警系统进行作战效能评估可以为预警装备体系的发展和作战运用提供基础,在对反导预警作战流程分析的基础上,建立了以能力为主线的作战效能评估指标体系,并利用熵权法确定各指标的权重,然后利用改进的逼近理想解排序法对系统的作战效能进行了定量分析。通过对预警装备部署方案的仿真试验,证明了所提出的模型和算法的有效性,并得出了一些对装备部署有指导意义的结论。

高维索引机制中的降维方法综述

全面总结了现有的高维数据降维方法,深入分析比较了它们各自的优缺点,并从应用的角度指出其今后发展的趋势在于多种降维技术的合理组合,尤其是线性降维与非线性降维思想的有机结合。