敌我识别系统浅析

敌我识别(IFF)是高技术条件下现代战场中自动目标识别技术的重要应用之一.具有敌我识别能力的系统,已成为21世纪战场数字化系统的基本功能单元之一.目标识别目前具有目标特征识别、目标成像识别、无源探测识别、激光雷达识别、毫米波识别、多传感器数据融合识别等等方法.寻找一种简便而实用的识别方法是研制新一代敌我识别系统所必需充分考虑的问题,雷达自动目标识别是当前研究之重点,多传感器系统数据融合技术是其有效途径.由用户直接识别未知目标(即直接分系统)和向用户提供有关目标信息(即间接分系统)两部分组成的敌我识别系统,是正在研制的新一代敌我识别系统.     

基于D-S证据推理的多传感器战场目标识别

文中在简单介绍了多传感器信息融合技术的概念之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.     

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。     

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。     

系统与系统的对抗——数据融合技术在舰艇作战系统中的应用

多传感器数据融合技术又称为多源综合技术,是目标自动实时识别、自动进行威胁判断和作战指挥系统智能化的基础;介绍了数据融合技术在舰艇作战系统中的应用与发展,认为在数据融合技术中,功能模型和模式算法是亟待研究的重点问题。     

基于多传感器数据融合的飞机目标自动敌我识别方法

为提高复杂环境下目标敌我属性识别能力,提出了一种基于多传感器数据融合的自动目标敌我属性识别方法。采用将IFF、ESM、雷达,红外获取的信息进行特征级融合的方法对目标进行识别,并采用模糊神经网络模拟真实战场环境,提高了目标的识别率和准确度。     

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。     

多传感器数据融合技术研究现状及军事应用

多传感器数据融合分像素级、特征级和决策级融合.多源信息在多层次上的数据融合过程含检测、关联、跟踪、估计和综合.其航迹融合过程包括低层次上的状态和属性估计及高层次上的战场态势和威胁评估.该技术在军事上的应用已涉及海上监视、空-空和地-空防御、战场侦察、监视和目标捕获、战略防御与告警等领域.     

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。     

基于三支决策的空中目标敌我识别方法

针对空中目标敌我识别过程中由于获取信息的不确定性及不完全性而导致决策识别出现的错分、误判及选择性判断问题,提出了基于三支决策的空中目标敌我识别方法。该方法采用多传感器信息融合技术,在决策层级引入三支决策理论,遵循贝叶斯最小风险准则,构造了基于三支理论的敌我识别模型。应用实例表明,该识别方法能够减小和规避错误决策带来的风险与损失,提高最终决策的准确性和实时性,切合现代战场复杂情况对时间复杂度的要求,更能适合战场的需要。     

海上联合作战战场态势估计关键技术

为了得到客观和准确的海战场态势,从目标识别技术、海战场态势信息检验技术和预测技术3方面对海战场态势估计关键技术进行了探讨,并从完备性、准确性和时效性3方面对联合作战海战场态势信息的检验进行检验,并建立矢量型的时空数据模型和面向对象的时空数据模型对海战场态势进行预测,给出了具体方法。该研究可为海军通用联合作战海战场环境态势估计技术的研究提供参考。     

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。     

外军陆战平台作战感知增强技术发展研究

为提高陆战平台的战场生存率和作战效能,针对陆战平台日益复杂的作战环境及作战任务,构建增强作 战感知能力的软硬件平台。通过分析外军陆战平台感知装备的技术特点和发展现状,明确合理的实时高速率信息传 输架构、先进的多传感器信息融合与人工智能技术、强大的多源战场数据管理系统、便捷的作战感知增强人机功效 等关键技术是实现作战感知增强的技术难点及发展方向。分析结果表明：该研究对未来作战感知增强技术的创新、 实践具有借鉴作用。     

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。     

回归谱特征提取与识别效果分析

在战场目标噪声自回归参数统计特征分析的基础上,以战场四种车辆噪声为背景,在自回归谱上提取了１２ 个单项特征,并借助于直方图和模糊识别论域分布图,对它们的识别效果进行了分析。     

用于弹载线阵红外与激光扫描成像引信的轻量化卷积神经网络目标识别方法

为了进一步提高末敏弹在复杂战场环境下对地面装甲目标的识别概率,提出了一种基于轻量化卷积神经网络的红外图像与距离像复合探测识别方法。网络设计考虑了弹载环境对实时性的要求,将网络划分为特征提取、特征融合2个阶段。在特征提取阶段,对不同源的图像进行了分布式卷积,提高了网络的并行性,降低了网络参数量与计算量; 为了弥补分布式卷积带来的特征损失,将距离像与红外图像的融合图像也一并作为网络输入; 在特征融合阶段利用深度可分离卷积实现了进一步的轻量化设计。通过仿真缩比实验环境获得的数据集进行实验验证,实验结果表明,网络具有较小计算复杂度的同时能够对复杂背景环境下的装甲目标进行有效识别。