基于HMM模型的战场侦察多目标识别技术研究

隐Markov模型是一种用于语音识别比较成功的统计模型，战场侦察的多目标识别是战场侦察技术传感器走向实用的关键技术之一，对传统的隐Markov模型的结构和分类器进行了改进，使其初步可以实现由背景噪声环境下的多种类目标的识别。     

战场坦克的声特征识别

该文在实验分析的基础上，提出了一种识别战场坦克的声特征方法。确定了被识目标的特征参数和识别算法。为战场坦克的侦察提供了一种新的途径。     

信号管理设备的发展趋势

从最初用肉眼识别伪装物体和人员,到对装甲战车和其它陆地战场目标采用信号管理设备,其间经历了一个全面发展的过程,多光谱伪装系统的运用是其主要发展阶段。先进的侦察系统与智能武器如精确制导弹药的研发成为研制多光谱伪     

充分利用引信技术预研成果发展我国战场侦察传感器系统

本文从及时准确获取战场情报信息对于取得现代战争胜利的重要性出发，讨论了发展战场侦察传感器的重要意义，论述了战场侦察传感器系统的用途、发展与应用状况，以“伦巴斯”（ＲＥＭＢＡＳＳ系统为典型分析了战场侦察传感器系统的构成及工作原理，从技术本质上分析了战场侦察传感器技术与引信技术的内在联系和本质上的一致性，指出充分利用引信技术预研成果是发展我国战场侦察传感器的捷径。     

基于证据组合理论的多传感器目标识别算法

为了提高多传感器目标识别的准确性，提出了证据加权数据融合的新方法。给出了证据理论的基本概念、组合规则、加权证据组合及决策规则，同时给出简单的多传感器信息融合模型。针对战场环境下多传感器系统获得的辐射源信息。通过仿真给出了文中方法的目标识别步骤及识别结果．仿真结果表明该算法提高了目标识别的准确性和有效性。减小了识别的不确定性。     

充分利用引信技术预研成果发展我国战场侦察传感器系统

本文从及时准确获取战场情报信息对于取得现代战争胜利的重要性出发，讨论了发展战场侦察传感器的重要意义，论述了战场侦察传感器系统的用途、发展与应用状况。以“伦巴斯”ＲＥＭＢＡＳＳ系统为典型分析了战场侦察传感器系统的构成及工作原理，从技术本质上分析了战场侦察传感器技术与引信技术的内在联系和本质上的致性，指出充分利用引信技术预研成果是发展我国战场侦察传感器的捷径。     

神秘的太空家族——军用卫星(下)

侦察卫星监视战场美国一位战略防御评论家认为,信息竞争将主宰着未来战场,全球侦察/监视将成为军事行动的一般特征;并预言,未来的战术战场空间系统将是一种装有多频谱成像系统和小孔径雷达传感器的低轨道倾斜小型侦察卫星。卫星传送给指挥中心的数据与战区机载预警控制系统、联合监视和目标攻击雷达系统的情报数据相综合,可为指挥官提供正确决策所需要的信     

战场侦察相控阵雷达波束调度研究

战场侦察相控阵雷达在强地杂波环境下对机动性目标跟踪和边跟踪边搜索(TAS)波束调度策略是当前研究的热点。利用地面杂波和目标路径等先验信息,建立了杂波环境下地面交互多模型联合概率数据互联(GIMMJPDA)多目标跟踪算法,在区分目标威胁度、不同威胁目标跟踪精度的基础上实现目标动态的TAS波束调度。经目标态势仿真验证,基于GIMMJPDA目标跟踪算法、高威胁优先级和目标跟踪精度基础上的战场侦察相控阵雷达TAS波束调度策略具有高的时间利用效率。     

空天预警侦察信息分析及融合模型研究

基于特征层的混合式空天预警侦察信息融合模型，含平时和战时2种工作模式。首先，空天预警侦察平台对战场环境进行实时预警侦察。平时模式下，空天预警侦察信息经预处理后传输到各自信息融合中心进行目标特征提取，然后传输到空天预警侦察信息融合中心进行特征层属性融合和属性判决，再将情报信息发送给各军兵种指控中心；战时模式下，包含目标的空天预警侦察信息在预处理后由各自信息融合中心直接传输到空天预警侦察信息融合中心进行融合和判决后发送给各军兵种指控中心，指控中心向火控系统下达作战命令并向空天预警侦察系统下达目标侦察任务对打击效果进行评估。     

基于模糊神经网络的模式识别技术研究

自动目标识别（Automatic Target Recognition，ATR）系统是现阶段和未来侦察装备系统的一个重要组成部分，如何提高图像目标识别速度和准确性是当前侦察系统急需解决的关键技术问题。本文尝试构建一种模糊双向联想记忆推理网络模型，并根据此网络模型设计了一个模式识别系统。     

基于深度学习的空中侦察取证目标分类

为提高空中侦察取证的自动化、智能化水平,提出基于深度学习与FPGA 软硬件协同设计开展空中侦察 取证自动目标分类。多渠道收集整理军机数据集,利用深层神经网络模型开展自动识别,验证自动目标分类可行性, 并部署至FPGA 开发评估板进行准确率、吞吐量等性能验证。实验结果证明：多种网络模型均可有效实现空中侦察 取证目标的自动分类,并具备较高的吞吐量与准确率,时效性可满足战场实际需要。     

数据融合在战场目标识别中的应用

采用异类传感器系统之间的集中式数据融合技术可以提高战场目标识别的准确度。首先,简要介绍数据融合技术的基本理论;然后,阐述数据融合在战场目标识别中的任务;最后,应用集中式数据融合技术进行战场目标识别仿真,检验其可行性。结果表明,该设计取得了良好的分类结果,将在军事领域得到更加广阔的应用。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D-S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D-S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

复杂战场对抗环境下空中目标抗干扰识别算法

针对复杂背景和红外诱饵对抗环境下红外成像攻坚破甲导弹空中目标识别的难题,提出融合强判别性特征的抗干扰识别算法,将区域生成、特征学习和分类识别融合至抗干扰算法中,形成从像素至区域,再到特征识别的逐级抽象的识别框架。首先通过模拟典型战场环境,生成大量不同对抗态势下的目标特性库,作为算法研究的基础;然后由像素相似性聚类形成候选区域,完成区域“粗粒度”定位;再将提取的各区域特征输入至特征选择模块,学习强判别性的特征;最后将选取的特征输入至改进的多分类支持向量机进行目标的分类识别,实现目标区的“细粒度”锁定。通过逐步细化的识别机制,识别复杂战场对抗环境下的空中目标。验证试验表明,算法在不同对抗态势下的弹道图像数据集中的平均识别正确率达到78.63%,可有效完成目标与干扰之间的区分,为工程应用中的算法研制提供支撑。     

动态聚类在空袭目标类型识别中的应用

动态聚类根据特定指标体系,构建动态聚类原始样本集,再选取一批聚点让样品向最近聚点聚类,以得到初始分类,最后按最近距离原则调整分类结果,得到较合理的分类结果.并从防空指挥辅助决策系统实际应用背景出发,基于动态聚类算法建立空袭目标的类型识别模型,进行数据标准化变换、选择聚点、初始及修改分类等.     

基于面向对象Petri网的侦察配系评估模型

通过对对抗条件下的侦察对象功能以及对侦察配系子系统模块的分析，构建基于面向对象Petri网侦察配系评估的OPN模型，实现侦察配系的侦察与信息分发的动态描述。其涉及的方面包括：简化模型、建立OPN模型、定义侦察配系的OPN模型。该方法为解决侦察配系的评估提供了一种新的途径。     

基于排队论的炮兵侦察配系效能评估

针对当前作战目标转移速度快、转移方向多样化的特点，运用排队论方法，建立一种基于排队论的侦察配系效能分析模型。该模型综合考虑各种因素对侦察配系效能的影响，当目标转移方式有所变化时，依然可以灵活地对侦察系统做出准确的效能分析。最后以雷达侦察配系为例，论证评估模型在侦察效能分析中的可行性。     

远程火箭炮打击平台作战效能评估

针对远程火箭炮打击平台未来面临多战场环境下作战考验的问题,提出一种运用云模型的评估方法。在 构建远程火箭炮打击平台作战效能评估指标体系的基础上,评估在不同战场环境下远程火箭炮打击平台作战效能; 通过实验证明复杂战场环境对远程火箭炮打击平台作战效能发挥产生影响。实验结果表明：该方法能够对摸清远程 火箭炮打击平台在不同战场环境下作战能力底数,改进远程火箭炮打击平台装备发展及为部队有针对性应用实践提 供支撑。     

某型反舰导弹作战效能评估及仿真分析

为反映战场对抗强度对作战效能的影响,对某型反舰导弹作战效能进行评估及仿真分析。将反舰导弹作战效能分成武器系统基本效能和对抗效能2部分,建立反舰导弹作战效能评估模型,确立相应的评估指标体系,采用蒙特卡罗法对多发导弹作战效能进行仿真,得到作战效能随导弹数量的变化规律。研究结果表明：该研究可以通过实施多弹饱和攻击地方法来提高该型导弹地作战效能,为进一步提高该型导弹的作战效能提供了一定的理论依据。