未爆子弹药图像数据集构建方法及其关键技术研究

随着计算机技术和机器视觉技术的迅速发展与应用,探索基于“人工智能+”模型的未爆子弹药搜寻技术受到了广泛关注。但是,由于未爆子弹药具有一定的危险性和受军事应用的特殊性影响,数据集构建是目前亟待解决的瓶颈问题。本文由此出发,分别论述了真实实物图像数据集和利用实物图片进行三维重建数据集的构建方法及流程,重点分析了两种数据集构建过程中的相关关键技术及其优缺点,并给出了一种利用多目相机采集目标图像和地理坐标信息,然后利用深度学习算法进行目标特征提取、生成三维点云和融合三维图像。试验结果表明,采用该方法构建的三维数据集可以有效解决未爆子弹药现有数据集数据量不足的问题,最后展望了数据集构建方法的未来发展方向。

基于运动模式集精细差异特征估计的真假弹道目标联合跟踪与辨识方法

针对对抗条件下弹道目标和有源多假目标跟踪及辨识难的问题,基于稳健交互多模型(Robust Interacting Multiple Model,RIMM)策略,提出真假弹道目标的联合跟踪与辨识方法。该方法基于推导的真假目标运动模式集以及模式间的精细差异特征设计交互多模型(Interacting Multiple Model,IMM)策略,以扩展卡尔曼滤波(Extended Kalman Filter,EKF)为子滤波器,并引入概率调整因子与时变因子,实时更新概率转移矩阵,有效放大运动模式集的精细差异特征,不仅能实现对真假目标的稳定跟踪,提高跟踪精度,同时也能实时在线辨识真假目标,实现跟踪辨识一体化。仿真结果表明,该方法的跟踪效果比传统单模型EKF算法和经典的IMM+EKF算法更好,能实时跟踪并辨识出真假目标,有利于提高雷达资源调度的效率。

通信辐射源行为推理研究综述

通信辐射源行为推理指通过观察和分析通信辐射源信号来推断其行为规律和目标意图。尤其在非合作条件下,对通信辐射源行为的推理在电子侦察和信号情报领域发挥着重要作用。本文首先明晰并归纳总结了通信辐射源行为的定义与分类,其次阐述了通信辐射源行为推理的含义,进一步梳理与行为分析、行为识别的区别和联系,然后对通信辐射源行为推理的关键技术进行综述,对比分析了基于聚类算法、分类算法、深度学习和行为特征的最新研究,最后对通信辐射源行为推理技术的挑战与发展进行了分析和展望。