基于灰色层次分析法的有人/无人协同作战效能评估

当前和今后相当长一段时期内,战场的机械化、信息化、智能化将长期并存、并行发展。有人/无人协同作战可以通过各无人系统与有人系统之间的资源调度、态势统一、任务整合来进一步提高作战系统的作战效能。基于灰色层次分析法,结合径向基函数(Radial Basis Function,RBF)神经网络进行数据整理,对有人/无人协同作战效能进行科学评估,提出了一种新的评估模型,为优化协同作战体系结构和提高协同作战能力提供了理论依据。围绕有人/无人协同作战的作战任务和能力需求构建了相关评估指标体系,基于灰色层次分析法与RBF神经网络设计了有人/无人协同作战评估模型,并进行了仿真实验分析。仿真结果表明,该方法能够实现对有人/无人协同作战效能客观有效的评估。

基于双步相关滤波的目标跟踪算法

针对目标跟踪中因目标遮挡、目标出视野导致的跟踪失败问题,为提高相关滤波目标跟踪算法的鲁棒性,提出了一种基于双步相关滤波的目标跟踪算法。首先根据方向梯度直方图特征不同单元大小目标表征的特点,提出双步相关滤波目标跟踪框架,在提高目标跟踪精度的同时保证了跟踪速度;然后融合多种目标特征,来获得目标更加全面的特征表征,以提高目标跟踪的鲁棒性;最后提出基于目标跟踪置信度指标的目标模板自适应更新策略,来解决目标遮挡时目标模板被污染的问题。实验在OTB100标准目标跟踪数据集上进行验证,通过与其他跟踪算法进行比较结果表明,该算法与其中最优跟踪算法相比,目标跟踪精度提升6.0%,目标跟踪成功率提升5.5%,平均跟踪速度为27.4 fps,保证了目标跟踪的实时性。实际目标跟踪应用中,在目标严重遮挡等情况下,该算法仍然可以对目标进行稳定精确地跟踪。