基于目标速度信息的海上编队目标选择技术

为了提高反舰导弹对舰艇编队中预定目标的选择能力,提出了利用舰艇编队相互位置关系和速度信息选择预定目标的方法。该方法提出首先利用Hausdorff距离将火控雷达和末制导雷达探测到的编队点集进行最佳位置匹配,然后利用双向最近邻准则计算获取点集的对应点,最后利用目标的速度信息,进一步剔选对应点。提出了利用目标速度信息与编队信息的复合距离度量方式,并分析了对预定目标选择的概率。仿真计算表明,该方法不受自控终点散布误差和编队目标整体机动的影响,且正确选择预定目标的概率高于只利用编队信息进行目标选择的方法。     

反舰导弹末制导雷达目标识别技术及其发展

阐述了反舰导弹末制导雷达目标识别的概念、原理、分类和衡量标准，指出了目标识别的内容与重要性，分析了末制导雷达目标识别的发展概况和所面临的问题，提出了提高目标识别能力的途径，并介绍了几种反舰导弹末制导雷达目标精测识别、编队模式识别、多传感器融合和极化技术识别等新技术，为反舰导弹末制导雷达目标识别技术的发展提供参考。     

队形识别技术对反舰导弹作战使用的影响分析

编队队形识别能力是新型反舰导弹应具备的一项重要作战性能,具有队形识别能力的反舰导弹可有效增强对密集型舰艇编队当中重要目标的选择能力,进而直接提升导弹的命中概率和作战效能。本文分析了反舰导弹对编队目标选择能力的需求,研究了新型反舰导弹对编队目标的捕捉能力和常用的水面舰艇编队队形,并就利用编队队形识别方法提高反舰导弹对编队目标的选择能力进行了可行性分析,并给出了队形识别技术在反舰导弹武器系统中的应用思路。     

基于GTLS-ICP算法的反舰导弹预定目标选择方法

为了提高反舰导弹的预定目标选择能力,提出基于GTLS-ICP(generalized total least squares-iterativeclosest points)算法的预定目标选择方法。首先分析目标的定位噪声并用各向异性的高斯噪声近似模拟,然后基于GTLS-ICP算法给出了预定目标选择算法。对于文中所研究的问题,GTLS-ICP算法容易收敛到局部最优值,导致目标选择能力较差,为此研究了促使GTLS-ICP算法收敛到全局最优值的措施。与以往基于编队相互位置关系的预定目标选择方法相比,该方法不受编队旋转的影响,仿真实验证明了这一结论。     

基于选择方式的寻的雷达对编队目标捕捉算法

根据反舰导弹的射击原理,首先建立了基于Monte Carlo法的编队目标在反舰导弹捕捉坐标系的位置模型,然后建立了基于寻的雷达分辨能力和选择方式的反舰导弹对编队预选目标的捕捉算法,仿真分析了目标速度、编队间距和反舰导弹进入目标的舷角对捕捉预选目标的影响,得到了反舰导弹打击编队预选目标所需的选择方式及导弹进入目标舷角的范围,为反舰导弹有选择的打击编队目标奠定了理论基础。     

反舰导弹目标识别选择技术的发展应用

通过阐述反舰导弹目标识别选择需求和相关技术应用, 研究现有主要导弹目标识别选择技术的使用特点, 分析了实现新一代目标识别选择技术的途径, 展望了反舰导弹目标识别选择技术发展方向.     

雷达导引头目标极化信息识别技术与发展

导引头目标识别已成为反舰导弹发展必须解决的瓶颈技术.近年来,雷达目标极化信息的获取和利用,越来越受到国内外学术界的重视,成为雷达新技术发展的一个重要方向.分析了利用极化信息进行目标识别的方法.探讨了基于极化信息的目标识别技术发展趋势.     

基于Hough变换和优化K均值聚类的反舰导弹编队识别目标选择方法

现有反舰导弹编队识别技术存在侧重于队形识别而非目标选择、对编队末端态势变化考虑不足、实时性偏弱、未考虑队列线检测区间对聚类效果的影响和聚类数优化与聚类迭代过程相互独立等问题。基于Hough变换和优化K均值聚类算法，提出反舰导弹编队识别目标选择流程，构建V形、平行和环形编队目标生成与目标选择模型，旋转、缩放、冲淡式干扰和队型变化等编队目标变化模型。仿真结果表明，聚类数优化代价函数在关键聚类数段区分度明显、聚类数优化准确，移动检测区间检测解决正常检测区间两侧边缘样本点对应机制缺失问题，采用多样本更新聚类与单样本更新聚类结合的聚类迭代、聚类数优化迭代与聚类迭代融合迭代效率高，工程适用性强，对于反舰作战模拟具有重要意义。     

反舰导弹目标捕捉技术和目标选择技术的成展厉程

研究新的反舰导弹目标选择技术首先需要清晰地了解目标选择技术的发展历程及其发展过程中的技术特点.反舰导弹进行目标选择的前提是能可靠地捕捉到目标.因此,反舰导弹目标选择技术的发展离不开目标捕捉技术的发展.以目标捕捉技术和目标选择技术发展历程中采用的技术特点为主线总结了这两种技术的发展历程,并从中得到启示.     

一种贝叶斯目标选择算法

为了解决多假目标干扰环境下的舰艇编队目标选择问题,在线性高斯假设下,建立了编队目标运动模型和量测模型,并基于贝叶斯方法推导了复合假设后验概率,提出了一种反舰导弹目标选择算法。该算法充分利用了导弹导航位置误差、编队机动和队形等信息,并且适用于量测噪声方差不同的实际情况。同时,为了降低算法的计算复杂度,设计了基于队形的预滤波器,大大削减了复合假设数量。算例仿真表明,该算法具有优良的性能,显著提高了编队目标正确选择概率。     

水下无人航行器编队识别目标的一种融合方法

本文提出了一种基于分布式信息一致性理论的水下无人航行器编队目标识别的新的融合方法,目的是得到编队对目标身份的一致判断.文中建立了水下无人航行器编队的网络模型,设计了可实现编队对目标身份一致判断的算法,证明了该算法达到一致性的条件,最后通过实例仿真验证了该算法的有效性.     

非合作式目标识别技术概述

非合作式目标识别包括雷达、电子支援措施及光传感器的目标识别技术.雷达目标识别含利用跟踪信息、极化信息及通过JEM、距离像和ISAR进行识别.电子支援措施目标识别包括利用基本电波参数、脉冲波形特征和通过对己方电子支援措施电波的接收分析进行识别.光传感器目标识别则是在取得目标的反射特性和辐射特性(光谱)后提取其特征进行识别.     

一种反舰导弹目标选择混合算法

利用舰艇编队队形相对稳定的特点和真假目标速度上的差异,讨论了基于队形的目标选择算法和使真假目标速度线性方程组总剩余范数最小的真假目标分类算法.为了弥补两种算法各自的缺陷,研究提出了一种融合队形信息和目标多普勒信息的目标选择混合算法.通过对一些算例的仿真验证了混合算法的有效性.     

基于空中目标识别的特征提取与选择

为从冗杂的海量信息中提取出有效的特征数据和信息,对空中目标识别的目标特征进行研究。介绍目标跟踪识别系统,从搜索雷达的目标回波信号特征、目标光谱成像特征、目标姿态与运动特征、目标特征选择与融合等方面进行目标识别特征提取,生成图像与特征数据库,并对选取的目标特征进行多特征融合的识别精度验证。结果表明:提取与选择的目标特征在识别中取得较满意效果,能证明选取的空中目标特征在目标识别算法中的可靠性。     

导弹自动目标识别关键技术研究

自动目标识别是导弹武器系统应具备的重要性能,可有效提高导弹对目标的打击精度及抗干扰能力。针对导弹制导系统中应用为广泛的雷达、红外、激光三种传感器的目标识别技术,介绍了影响导弹目标识别性能的关键技术;分析了基于雷达传感器的编队队形识别技术、基于红外传感器的非同源景像匹配技术、基于激光传感器的回波脉冲全波形记录及分析技术;后对多传感器信息融合技术进行了概述。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

基于Hough变换和聚类的舰艇编队队形识别算法

编队队形识别技术是反舰导弹武器系统目标识别领域中的一项重要研究内容,具有队形识别能力的反舰导弹可以有效增强对密集型舰艇编队当中重要目标的选择能力,进而直接提升导弹的命中概率和作战效能。基于Hough变换技术研究了一种舰艇编队队形识别算法,在无探测噪声影响时具有很好的识别率。当目标信息受污染较严重时,进一步采用了改进的K均值聚类算法对Hough变换后得到的积累矩阵局部峰值进行聚类处理,根据峰值聚类的结果准确提取出待识别队形的参数,从而有效抑制了探测噪声带来的不利影响。仿真结果表明,采用该算法可以正确识别出舰艇编队队形,在目标信息受污染较严重时也具有较好的识别效果,具有较好的鲁棒性。对该算法复杂度及目标指示误差对算法精度的影响进行了分析。     

潜艇多信息源目标融合识别模型

潜艇目标融合识别系统提取多信息源的目标信息,融合成目标属性,自动完成目标识别.决策融合识别模型根据目标环境和情报信息,提取目标属性信息.据目标特征信息的输入,判定其类型,给出结果可信度.再据各识别结果和可信度进行加权融合,以确定目标最终身份.     

一种基于DS证据理论的多雷达目标识别方法

文中研究了利用目标的位置和运动信息通过DS证据理论完成多雷达目标融合识别的方法.单雷达目标识别利用目标位置和运动信息建立目标线性隶属度函数,利用模糊综合评判进行目标分类.融合中心对来自各个雷达的识别概率利用DS证据进行最终的判决.仿真结果表明利用位置和运动信息进行识别的可行性和有效性,验证了多个雷达融合后的识别效果优于单个雷达的效果.     

反舰导弹目标分群的层次化聚类算法研究

合理的目标分群是反舰导弹对海上目标进行正确判别、选择和攻击的重要前提.为有效运用层次化聚类方法进行海上目标分群,介绍了层次化聚类的两种实现方法、五种联接规则和六种距离尺度,提出了基于学生残差的聚类效果检验方法,结合反舰导弹末制导雷达对海上双环形编队和双线形编队的目标分群实例进行了计算和分析.结果表明,学生残差检验法是有效的,并且在W ard方法和欧几里德平方距离尺度下可以得到较好的聚类效果,针对具体应用选择合适的联接规则和距离尺度将有效提高层次化聚类效果.