战场抢修多目标多分队调度优化研究

基于多目标的战场抢修分队调度优化问题一直以来是装备指挥管理部门关注的问题之一.通过约束转换,确立了采用遗传算法进行多目标优化调度的模型,并详细地说明了遗传操作方法的设计,实例验证了遗传算法在多目标多分队调度问题处理过程中的有效性.     

基于条件熵约简和粗糙集规则匹配的反辐射无人机作战目标威胁识别

文章采用粗糙集的方法来处理威胁识别中的不确定、未知信息,利用条件熵度量威胁识别属性的重要程度,并提出了一种新的规则匹配方法识别威胁等级。通过实例分析与对比,证明此方法能够为反辐射无人机作战目标威胁等级的判断提供了一种可行的途径。     

航行舰船地震波及其在水中目标探测中的应用

从理论上论述了浅海波导中发生声波显著透射进海底从而造成水中传播声信号严重衰弱的原因,通过对已有的海底声传播研究实验数据的分析和总结,阐述了航行舰船地震波的产生和传播的基本规律,提出和论证了航行舰船地震波在水中目标探测中的重要应用前景和价值。     

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。     

基于时频分布的海杂波环境下目标检测

对海杂波存在目标和没有目标两种情况进行时频分析,其时频分布图表现出明显的特征差异,在没有目标时,时频分布图比较发散,存在目标时,时频分布图中有较集中且与目标多普勒频移对应的最优曲线。利用这种差异,文章提出了基于时频分布的目标检测方法。时频分布检测方法通过查找算法得到该最优曲线,并取该最优曲线所有点的和值作为判断目标存在与否的依据。通过实测数据仿真表明该方法能够提高海杂波环境下目标检测性能。     

数据挖掘在无人船舶目标图像识别中的应用

为了缩短无人船舶目标图像的识别时间,提高目标图像的质量,提出了数据挖掘在无人船舶目标图像识别中的应用。利用数据挖掘技术确定无人船舶目标图像的阈值,根据目标图像的阈值误差分割了目标图像,采用图像边缘点提取公式将图像边缘点连接成线,提取出目标图像的外轮廓,完成无人船舶目标图像的预处理;通过目标图像识别算法的改进设计,得到了目标图像的识别流程,实现了数据挖掘在无人船舶目标图像的识别中的应用研究。仿真实验结果表明,数据挖掘在无人船舶目标图像识别方法与基于航拍技术的目标图像识别方法相比,目标图像的识别时间缩短了35.1%。     

合成孔径雷达在舰船目标定位和成像技术的应用研究

合成孔径雷达SAR是一种利用线性跳频信号进行目标探测和识别的雷达技术,具有分辨率高、观测范围广、数据处理能力强等优点,不论在军事领域的目标勘测还是民用领域的海上环境勘测、港口地形勘察等都具有重要的实际应用价值。本文主要研究基于合成孔径雷达技术的舰船目标定位及舰船目标成像技术,系统介绍合成孔径雷达的工作原理,并针对舰船目标雷达信号的分析与处理进行研究。     

主动声自导鱼雷极限射距主要影响因素仿真研究

在鱼雷攻击中适宜的射距是确保鱼雷命中目标的关键之一,在使用鱼雷时必须确保所采用的射距在极限射距之内,因此在射击条件已知的前提下,要确定极限射距并且熟悉影响其值大小的主要因素及各因素的影响规律。依据主动声自导鱼雷的射击模型,建立起极限射距的表达式,进而得出影响其值大小的主要因素。通过仿真对各影响因素进行定量研究,找出它们对极限射距的影响规律。此研究可为指挥员在作战使用时提供必要的参考,以期充分灵活地利用研究成果,提高主动声自导鱼雷的命中概率。     

神经网络在舰船图像特征提取和分类中的应用

海上遥感图像对于舰船目标定位、海上救援、航运交通管理等有重要的作用,基于海上遥感图像的舰船目标特征提取及目标识别是一项热点研究。卷积神经网络是一种改进的人工智能算法,本文详细介绍了卷积神经网络技术的原理,基于卷积神经网络和滤波器实现了舰船遥感图像的特征提取和目标识别。     

高杂波海天背景下红外图像中舰船目标的检测

针对高杂波背景条件下的红外图像中舰船目的检测问题进行研究。在分析海空背景下的红外图像特征的前提下,先对捕获到的红外图像进行背景抑制、海天线检测等预处理以提高舰船目标提取的准确性,然后依照检测出的海天线划定目标检测小区域,再利用相邻帧图像间舰船目标运动的相关性确定真实目标,剔除虚警目标。用Matlab软件对算法进行仿真,实验结果证明本文算法有效,在一定条件下能够取得较好的识别率。