大型武器系统战损单元战场优先抢修目标的模糊决策分析

探讨了大型武器系统战损单元战场优先抢修目标的选择问题,采用层次分析法对目标作模糊综合评价,给出了评价指标的数学模型和评价的具体步骤,使目标的选择更科学合理,有效的为战场抢修指挥员做出决策提供帮助,使武器系统最大限度地恢复其威力,达到最优的作战效果．     

基于多属性决策的打击目标选择

针对目标选择中主观因素多的情况,提出了一种基于多属性决策的战场目标价值排序方法。为了综合多种赋权法的特点,运用了基于离差最大化的原理,使用组合赋权的方法来求解。通过一个最优规划模型把带有权重偏好的主观信息与获得的战场目标的客观信息有机组合,确保属性的权重在主观决策基础上根据战场态势变化进行调整,利用线性加权法确定了目标的价值排序。给出了该方法的计算流程与计算实例,可为战场目标价值排序方法的选择提供参考。     

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。     

基于区间数灰色关联决策的电力目标选择方法

针对传统方法不能很好地解决战场决策信息不确定的目标选择问题,通过对影响电力目标重要程度的评价指标进行分析,应用区间数灰色关联决策方法完成了电力目标选择模型的构建。模型中的指标权重通过组合赋权法获得。经实例验证证明,该方法是科学、合理的,对战时的指挥决策起到了较好的辅助作用。     

信息化战场下声信号目标识别技术

介绍了信息化战场中声信号的目标特点及应用领域,并对信息化战场中的声信号的目标识别关键步骤和国外发展现状做出了详细阐述, 指出了信息化战场下声信号的目标识别技术的发展趋势.     

采用DSP和小波变换的战场声目标快速识别系统

根据战场典型目标声信号的特性，提出运用小波理论和FOBW编码对其进行特征提取，用数字信号处理(DSP)作为系统核心处理器件，辅以必要的外围电路，实现声目标快速识别的方法。将此系统应用于战场典型目标的快速识别，取得了满意的识别效果。     

地面战场侦察系统多目标识别的评价指标

在对地面战场侦察系统和目标识别介绍的基础上，分析了典型环境下单目标识别与战场环境下多目标识别的评价的差别，根据单目标评价体系，提出了多目标识别效果的评价指标，为战场侦察系统的多目标识别提供了评价方法。     

一种基于关键帧的战场视频目标挖掘方法

一种基于关键帧的战场视频目标挖掘方法。首先对战场视频进行基于内容的视频检索,提取出关键帧,然后对关键帧进行目标识别,从而快速提取出目标信息。实例证明该方法有效可行。     

考虑目标攻击信号的一种变权威胁评估方法

针对现有目标威胁评估方法普遍利用常权评估,且忽略目标攻击信号而导致评估结果出现不合理情况的问题,提出了一种考虑目标攻击信号的变权威胁评估方法.在分层建立目标威胁评估体系的基础上,基于变权理论,考虑权值与各因素之间的关系以及目标攻击信号对权值的影响,引入变权因子,使权值根据各因素和战场实际的变化动态调整.仿真结果表明:所设计的威胁评估方法杜绝了不合理评价结果的发生,更加切合战场实际.     

战场目标被动噪声识别技术

综述了噪声识别技术在军事上的应用,并就战场目标噪声识别的技术现状和发展前景作了概括性的介绍,预测了战场目标声识别技术的发展趋势。     

基于双重模糊决策的炮兵战场目标价值排序

为了合理安排各个目标的打击顺序和强度,给指挥员提供客观、可靠的目标攻击顺序建议,提出一种基于双重模糊决策的炮兵战场目标价值排序方法。通过应用模糊决策理论,对个体决策者应用"多因素模糊决策法"进行排序,对最高决策者根据个体决策情况运用"模糊群体决策法"决定最终排序结果,通过以上双重模糊决策的方式,得出最合理的战场目标价值排序结果,并进行实例仿真。分析结果证明:该方法能避免主观臆断,对我军炮兵尤其是远程炮兵作战的辅助决策有一定的指导作用。     

不确定多属性统计方法的战场目标排序研究

针对现行作战决策算法解决战场目标排序中存在的问题,运用一种新的随机变量和统计特征的新方法解决战场目标排序问题。建立不确定多属性统计方法的模型,对目标威胁程度进行排序,并应用到战场目标排序中。实例说明了该方法的有效性,但随机变量的统计特征与随机变量分布本身包含的信息仍有差距,还需进一步研究。     

复杂地面背景下多目标的检测和识别

对复杂地面背景下多目标的截获和攻击包括三个主要过程即::1)目标检测,2)目标选择或识别,3)目标截获及跟踪。本文对目标的检测和选择或识别的信号处理技术进行了探讨,对检测和识别方法进行了比较并给出了理论分析和检测及识别的概率计算。     

基于改进的MFCC战场被动声目标识别

从战场声信号与语音信号特征的相似性出发,提出基于MFCC参数的战场声目标识别方法。针对战场环境存在强噪声干扰情况,提出一种改进的MFCC特征参数（DWTMFCC）提取方法,该方法将小波分析和Mel倒谱分析结合,提高了特征参数的鲁棒性。仿真结果表明：在噪声条件下,利用DWTMFCC参数进行声目标识别,平均识别率比MFCC参数高出3．134个百分点,信噪比为5dB时．识别率仍达到93．67％。     

无人机协同作战的目标分配算法研究

针对当前无人机作战能力不强、实战经验不足、不能进行高强度空战的问题,对无人机所处的战场态势进行评估。在综合考虑了我机攻击态势和敌方抗击能力2个主要因素的基础上,采用威胁指数法,以单机对敌的优先权为基础,选择打击威胁度高的目标。增加了地面目标的威胁,并根据基于态势的目标分配方法实现目标分配,最大限度地保证我方无人机的安全。仿真结果表明:该方法较好地解决了当前无人机协同作战的目标分配问题,最大限度地发挥了无人机协同作战的效能。     

基于神经网络的战场被动声／地震动目标识别方法

目的在于研究人工神经网络在战场声／地震动目标识别应中的有效算法。通过建立战场目标声／地震动特性探测与分析系统,在总结目标特性规律,分析传统BP算法固有缺陷的基础上,采用改进的算法对分类器进行训练,典型战场目标信号样本检验表明,该方法具有良好的识别分类效果,利用基于神经网络的分类来实现对战场声／地震目标的识别分类是可行的。     

坦克分队目标战场价值评估指标体系

可靠的目标战场价值评估是坦克分队进行最优火力分配的基本依据,科学的评估体系则是进行战场价值评估的基本保证。本文分析了目标战场价值评估体系的层次结构,提出了一种基于Delphi专家征询与层次分析法相结合的指标权重推算方法。以某次进攻战斗为例,组织专家进行测评,推算了相应的权重系数,验证了评估体系的科学性。     

基于改进型多目标模糊优选的作战油料保障决策研究

决策量化分析是作战油料保障决策优化的重要手段.对作战油料保障中油料保障部队选派和保障方式的决策问题进行分析,并运用改进型多目标模糊优选决策模型对该问题建模,针对战场情况,根据所获得的战场信息,讨论了权重信息模糊情况下的决策优化,采用该方法建模有效的将油料保障部队分派与油料方式的选择有机结合起来,提高了战场上决策的效率与连贯性.通过实例应用,该方法有助于提高作战油料保障决策的科学性、连贯性.     

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。     

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。