基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法

视频目标检测技术是提升坦克火控系统战场目标搜索能力的有效手段。针对面向坦克火控系统的视频目标检测任务,提出一种基于时空卷积特征记忆模型的视频目标检测方法。将时空卷积特征校准机制与卷积门控循环单元相结合,建立时空卷积特征记忆模型,同时对多个视频帧中目标的表观特征及运动信息进行建模,以传递并融合视频帧中的目标信息。在特征提取网络以及检测子网络中结合可形变卷积,在检测过程中应用视频序列非极大值抑制,提高对形变以及遮挡目标的检测能力。构建一个包含多种目标类型、尺度、遮挡等条件的坦克火控系统视频目标检测数据集,为多种目标检测方法的测试提供依据。测试结果表明,与R-FCN、 D&T以及MANet等目标检测方法相比,所提方法的平均精度均值最高,能够更好地满足装备的应用需求。     

地面作战目标威胁评估多属性指标处理方法

评估指标的量化处理是目标威胁评估(Threat assessment, TA)算法应用的基础.本文针对地面作战目标威胁评估指标类型多样和难以量化的问题, 系统地提出了一种多属性威胁指标的量化方法, 并将指标量化结果转化为统一的直觉模糊集(Intuitionistic fuzzy set, IFS)表示形式.研究了地面作战目标威胁评估指标如目标距离、速度、攻击角度、类型、通视条件和作战环境等, 通过模糊评价语言、区间数、实数、三角模糊数等方式进行量化, 最大限度地保留指标不确定信息并降低实际应用的复杂度; 提出了不同表示形式的威胁指标数据与直觉模糊数的转化原则和转化方法, 并给出了理论可行性的数学证明.通过一个地面作战目标威胁评估的多属性指标处理实例, 验证了该方法在多属性指标量化和直觉模糊集表示中的合理性, 说明了该方法能够为目标威胁评估提供科学的评估数据.     

基于对抗的突击武器与支援武器协同火力打击决策方法

为满足多类型武器协同火力优化打击的需求,提出了一种基于对抗的突击武器与支援武器协同火力打击决策方法。以突击武器“点对点”打击和远程火力支援武器“面杀伤”的协同为研究对象,考虑具有对抗特性的火力打击决策优化过程,以突击武器对目标的打击决策、目标对突击武器的打击决策以及支援武器的炮弹落点位置为优化变量,建立了以对抗双方剩余价值比值为目标函数的协同火力打击决策优化模型。提出了基于人工蜂群算法双层迭代优化的协同火力打击决策优化模型求解方法。目标分配决策变量采用整数编码,利用罚函数方法处理约束条件,将决策模型转化为无约束混合整数优化问题;针对算法实现过程,分析了双层迭代人工蜂群求解算法的计算复杂度。通过一个协同火力打击算例验证了协同火力打击决策模型和求解算法的合理性和有效性。     

光纤陀螺随机漂移测试与建模

文中介绍了光纤陀螺(FOG)随机漂移的测试方法和实验设备,探讨了一种利用AIC准则和长自回归法建立随机漂移ARMA模型的新途径.利用实验平台对光纤陀螺输出信号进行了采集,对原始数据进行了平稳化处理,然后进行了光纤陀螺随机漂移ARMA建模实验,并通过白噪声检验验证了用新方法建立的ARMA模型具有很好的适用性.     

基于多类运动想象任务的EEG信号分类研究

针对多类运动想象脑电信号个体差异性强和分类正确率比较低的问题,提出了一种时-空-频域相结合的脑电信号分析方法:首先利用小波包对EEG原始信号进行分解,根据EEG信号的频域分布提取出运动想象脑电节律,通过“一对多”共空间模式(CSP)算法对不同运动想象任务的脑电节律进行空间滤波提取特征;然后将特征向量输入到“一对多”模式下的支持向量机(SVM)中,并利用判断决策函数值的方法对SVM的输出结果进行融合;最后通过引入时间窗对脑电信号进行时域滤波,消除运动想象开始和结束时脑电的波动,进一步提高信号信噪比和算法的分类效果;实验结果显示:在时间窗为2 s时,平均最大Kappa系数达到了0.72,比脑机接口竞赛第一名提高了0.15,验证了该算法能够有效减小脑电信号个体差异性影响,提高多类识别正确率。     

运动想象脑电信号特征提取与分类算法研究

针对运动想象脑电信号特征提取困难,分类正确率低的问题,提出了利用小波熵进行特征提取并采用支持向量机（SVM）来分类的算法。计算运动想象脑电信号的功率,通过理论分析选择小波包尺度,对信号功率进行小波包分解并计算其小波包熵（WPE）,提取C3、C4导联的小波包熵插值组成特征向量,将特征向量作为分类器的输入送入支持向量机进行分类。采用国际BCI竞赛2003中的Graz数据进行验证,算法的最高分类正确率达97.56%。算法特征向量维数低、数据量小、分类正确率高,对运动想象脑电信号特征提取及分类的任务可以提供参考方法。