预警机巡逻航线样式规划模型及仿真分析

针对作战中预警机巡逻航线样式规划问题,构建了预警机巡逻航线通用化描述模型,以及以此为基础的探测覆盖面积模型;仿真分析了预警机采取不同巡逻航线样式时总探测覆盖区面积和实时探测覆盖区面积之间的关系,得出双平行线形和横8字形巡逻航线相互转换无需重新规划空域配置的结论,具有一定的实用价值.

一种基于Attention-YOLOv3的海面舰船目标检测的方法

近年来,基于深度学习的视觉检测方法在海面舰船目标检测领域中的应用愈加广泛。为了解决传统视觉检测方法检测精度不高,对小目标检测效果不好的问题,提出了一种基于Attention-YOLOv3的海面舰船目标检测方法,有效提高了对舰船目标的检测性能。在对主流的One-stage与Two-stage模型结构及特点的调研分析的基础上,利用YOLOv3的特征提取网络Darknet-53来获取图像特征,通过特征金字塔网络(FPN)网络结构融合特征提取网络中深浅层的语义信息,并添加注意力机制模块来进一步优化网络性能。将改进后的Attention-YOLOv3模型应用到海面舰船检测场景中进行验证,基于搜集到的舰船目标制作成COCO格式的数据集进行训练,使用包含海面舰船目标的图片作为测试集进行测试。实验结果表明,改进后的Attention-YOLOv3网络对比原检测网络模型,解决了小目标检测不敏感的问题,达到了更高的检测效果。

基于时空特征融合的舰船航迹预测方法

针对海上舰船日益增多、海情日益复杂的严峻形势,改进舰船航迹预测方法,实现对海域态势的有效管控成为亟待解决的问题。结合舰船航迹获取简单、数量较大的显著优势,提出利用舰船航迹数据驱动的基于时空特征融合的舰船航迹预测方法。首先,联合卷积神经网络(CNN)和长短时记忆网络(LSTM)构造时空特征融合网络,充分提取舰船航迹的时空特征;然后,利用海量AIS(Automatic Identification System)数据进行网络训练;最后,利用网络输出的航速和航向对舰船航迹进行预测。仿真结果表明,提出的网络具有准确的舰船航迹预测能力,能够适应舰船机动运动场景。与传统预测方法相比,该方法能够使预测MSE减少0.2~1.4,预测性能大大提高。

基于ET-GMPHD算法的编队目标跟踪方法

针对低检测环境下编队目标的跟踪问题,提出了一种基于扩展目标高斯混合概率假设密度(extended target Gaussian mix probability hypothesis density,ET-GMPHD)算法的编队目标跟踪方法。首先,保留修剪掉高斯项的同时将其外推,用Jensen-Shannon(JS)散度衡量下一时刻状态估计值与外推值间的相似程度,并以此反映是否有目标丢失,保证真实目标不被修剪,解决了因目标漏检导致跟踪结果不准确的问题。其次,结合循环阈值聚合法得到编队整体的状态估计,消除了估计状态集合中状态值过多造成的影响。最后,仿真实验表明,该方法能够在检测概率极低的情况下进行有效跟踪,并具有良好的跟踪性能。

海上目标信息跨域安全共享实现方案探索

针对当前海上目标信息跨域跨网共享需求和不同密级网络、系统无法实时共享数据的现状,通过对现有网络隔离与交换技术的梳理,探索提出一种海上目标信息跨域共享网络隔离与安全交换方案,通过在不同密级网络间搭建海上目标信息跨域共享网络,构建跨网跨域数据安全可控交换系统,实现不同密级网络之间信息安全共享。