基于通信域和雷达域融合特征的无人机集群类型识别算法

目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别,存在识别准确率低等问题。提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法。首先,提取集群通信信号的高阶累积量和瞬时特征统计量,并融合雷达航迹特征构建无人机集群特征矩阵。其次,提出一种改进的特征选择算法—二次筛选的近邻成分分析,对融合特征矩阵进行降维。最后,利用稀疏自编码器网络进行集群类型的识别。仿真结果表明,该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27%),同时在信噪比为0 dB时,对5种集群类型识别的正确率可达88%。

基于森林火灾的多类型无人机布局与控制方法

面对澳大利亚东南部严重的火灾情况,我们在建模的同时继续优化。模型主要考虑有效利用最少的无人机群来调查最广的火区;面对该地区地理环境中的高海拔地区,无人机组需要考虑风速和高空爬升能力。在传统无人机的基础上,基于蚁群算法,构建了自己的MUBD模型。还做了必要的假设和笔记,通过MATLAB仿真和GIS软件的配合找到了最合适的解决方案。进一步改进了MUBD模型,并对其进行了重新评估,证明了模型的稳定性和可靠性。同时,还分析了模型可能存在的问题以及优势和前景,并在报告中进行了总结。

潜射无人机分类与艇机接口方式

潜射无人机的出现必将带来潜艇作战方式的重大变革,使潜艇具备全方位战场态势感知、目标侦察、精确打击、信息传输以及无缝链接到现代海战场立体作战体系的能力。通过对潜射无人机的类型进行划分,可以清晰地赋予潜射无人机不同的作战任务。深入讨论了潜射无人机与潜艇的接口方式,并分析了其中的各种技术难点。