信息战条件下敌我识别技术研究

敌我识别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.高科技条件下现代战场中的敌我目标识别问题,一直是国际雷达领域和信息处理技术的主攻方向.系统地介绍了敌我识别系统的工作原理,分析了敌我识别系统的工作模式,给出了基于贝叶斯原理的目标综合识别方法,并将贝叶斯目标属性识别算法应用于敌我目标综合识别系统中,实现了信息战条件下对敌我目标的属性判别.     

战术数据链无线入侵检测与控制技术

对战术数据链在未来信息化战场条件下可能面临的几种典型无线入侵方式进行分析，提出一种分布式入侵检测控制架构。在该架构下，利用异常入侵检测方法对无线入侵事件进行检测识别，并采取相应的措施对这些事件进行控制。     

外军飞机对海目标敌我识别错误机理分析

海战场环境下受复杂识别链路时序关系及海面复杂电磁传播环境影响,飞机时常错误识别海上目标的敌我属性,带来误击事件发生隐患.以北约敌我识别系统Mark XII为研究对象,分析了飞机识别海上目标敌我属性技术机理和信号链路流程,给出了不同链路情况下的敌我识别结果,从系统本身、自然环境、电子对抗等角度对识别错误机理进行了分析.研...     

基于MSE和Burg的两步目标识别分类器研究

SAR目标分类识别是现代战场侦察的重要组成部分,SAR目标分类问题是目标识别的关键步骤之一,对目标识别等很多后续的应用有较大的影响,因此研究SAR图像目标分类技术具有非常重要的意义。针对这一研究热点,结合MSE匹配方法和超分辨Burg算法,提出一种两步分类器,采用该两步分类器对实测SAR图像进行了目标分类识别实验,取得较好的识别效果。     

非协同目标识别技术的研究进展

非协同目标识别技术是识别领域研究的新课题,它通过处理侦测到的目标物理特征来实现对目标身份的识别。该技术可提供更全面、更完善的战场目标信息,有助于作战人员及时掌握战场态势、减少友军误伤。从目标识别的基础理论开始,介绍了几种适合非协同目标识别的融合方法及其改进措施,总结了目前非协同目标识别技术研究的主要进展,即采用基于统计推理的数据融合技术,对多个传感器侦测的目标特征信息进行处理,实现了对属性、类型、型号、作战意图及威胁程度等目标信息的判定和分析。同时,指出国外一些使用数据融合技术的武器装备已具备对多个非协同目标的识别能力和战场信息感知能力。最后,提出了今后的研究方向。     

一种基于知识推理的电磁目标识别方法

针对基于电磁感知数据进行目标识别的问题，设计了由基本属性和行为属性组成的电磁目标知识模型，在知识模型的基础上提出了基于知识推理的电磁目标识别通用架构及流程。最后，面向典型应用场景，提出了一种基于知识推理的移动目标属性识别方法，介绍了数据预处理方法，给出了轨迹相似度定义并设计了一种基于豪斯多夫距离的轨迹相似度计算方法，开展了仿真实验。仿真结果表明所提算法的有效性，可应用于电磁目标的识别问题。     

用于伪装目标识别的高分辨率三维成像激光雷达系统

利用高分辨率三维成像激光雷达技术开发能够识别伪装目标的空基激光雷达系统对提高战场侦察能力具有重要意义。本文详细介绍了一种用于伪装目标识别的高分辨率三维成像激光雷达系统,重点介绍了系统原理、设计过程中采用的先进技术和方法,最后分析了该系统关键技术的发展情况。     

目标识别中的人工神经网络应用

对分布式无人职守战斗单元的目标识别技术进行了研究 ,提出用模糊神经网络技术来识别战场目标 ,检验结果表明该方法具有较高的识别率     

一种多元信息融合技术的方案实现

对多元信息融合的概念、原理、模型进行了论述,基于以上论述提出了一种基于多传感器信息融合的设计方案。该设计方案采用多元信息融合技术对多源战场信息进行获取、感知,通过信息融合算法对可疑目标进行探测、识别、定位、组合,可获得精确的目标状态估计,以及战场态势估计与威胁估计,从而实现未来战争中陆、海、空、天、电磁频谱全维战场感知。     

目标识别中的人工神经网络应用

对分布式无人职守战斗单元的目标识别技术进行了研究,提出用模糊神经网络技术来识别战场目标,检验结果表明该方法具有较高的识别率.     

战场侦察雷达对炸点目标的识别方法

在战场侦察雷达的应用中,对炸点目标的探测和识别,一直是一个重要课题。针对炸点和普通目标的回波特性作了讨论。文中研究了炸点和普通目标回波信号经动目标检测(MTD)处理后的特征,发现了两种目标特征谱在多普勒滤波器通道响应的特点,提出了一种在多普勒滤波器通道进行二元积累,设定检测门限来判定炸点目标的方法;另外,对目标多普勒响应的滤波器分布特征作了分析,利用炸点目标与普通目标的多普勒分布差的区别进行目标识别,并取得了很好的效果。     

一种基于联合模型的雷达自动目标识别方法

雷达自动目标识别是将目标识别应用于传统雷达的一项技术，随着信息技术的飞速发展以及战场形势的复杂多变，雷达自动目标识别技术近年来受到广泛关注。目标识别的方法按其模型可分为生成模型和判别模型，生成模型侧重对数据分布的描述，判别模型侧重区分不同类别数据之间的差异。将两种模型有机结合可兼顾二者优势提升模型识别性能。本文提出了一种最大间隔正则化因子分析(MMRFA)模型，该模型对因子分析模型(FA)和隐变量支撑向量机 (LVSVM)建立联合模型。试验结果表明，该模型提升了识别性能且在低信噪比条件下表现优良。     

基于信息熵和概率神经网络的海战场目标识别

海战场目标识别是态势评估的基础,采用信息熵进行属性的约简,去除冗余属性,减少无关属性对识别的干扰。利用概率神经网络综合使用RBF神经网络和竞争神经网络进行目标识别。信息熵与概率神经网络结合可以过滤掉传感器信息中的冗余信息,有效地对海战场目标进行识别,并具有一定的泛化能力。通过仿真证明了本方法的有效性。     

基于分离卷积的战场目标聚集行为识别

针对大部分行为识别算法效率较低,难以应对大规模影像识别任务的问题,一方面,提出一种结合双流结构与多纤维网络的双流多纤维网络模型,分别以RGB序列、光流序列为输入提取视频的时空信息,然后将两条支路网络的识别结果进行决策相加,提高了对战场目标聚集行为的检测效率与识别准确率;另一方面,提出一种结合分离卷积思想与多纤维网络的双流分离卷积多纤维网络模型,进一步提高网络检测效率与抗过拟合能力。实验表明,在建立的情报影像仿真数据集中,上述算法能够有效识别出战场目标聚集行为,在大幅提升检测效率同时实现了识别准确率的提升。     

目标综合识别系统研究

介绍并分析了目标综合识别系统,它利用军用和民用、侦察与识别等不同体制的协同、非协同侦察、识别系统,综合利用各类信息,形成超强的互补和印证能力,实现对战场目标的综合识别.     

基于红外车辆目标识别方法的研究

红外车辆目标识别是战场探测系统中的关键技术,近年来引起国内外人们很大的关注。文章根据红外目标识别的特点,在红外目标的对比度增强、自动分割、特征提取、目标识别等方面,进行了研究。     

目标识别中的人工神经网络应用

对分布式无人职守战斗单元的目标识别技术进行了研究,提出用模糊神经网络技术来识别战场目标,检验结果表明该方法具有较高的识别率。     

多传感器目标识别的判决域与可靠性分析

文章利用概率方法对多传感器目标识别系统进行了分析，提出了利用判决域与决定率进行目标识别的一种方法，利用判决域方法对确定事件发生与否进行决策可以减少传感器系统的误响应，同时保证传感器系统进行目标识别时的可靠性。     

智能化军用雷达目标识别关键问题探讨

随着人工智能等前沿技术的迅速发展和战场环境的日趋复杂,智能化军用雷达目标识别的需求愈加迫切。本文结合国内外目标识别的发展趋势和深度学习算法在雷达目标识别中的应用研究,从实装应用的角度出发,探讨了军用雷达智能化目标识别各处理环节的关键问题,分别在层次化目标识别策略设计、目标稳健特征提取与特性自学习以及决策模型设计等方面开展了较为全面、深入的分析,论述了未来应用研究中的重要方向,给智能化目标识别设计提供参考。     

基于模糊神经网络的雷达对抗目标识别模型

在现代战场上,雷达信号密度大,体制多,波形复杂多变,而且在工作频段上往往相互重叠,在客观上对雷达对抗目标的识别造成了很大的困难。以空中雷达对抗目标的识别为例,采用过零点检测法提取雷达瞬时频率差分序列的样本方差作为脉内细微特征,结合模糊神经网络建立了一个具体的识别模型,通过仿真,证明了利用脉内细微特征和模糊神经网络技术对雷达对抗目标进行识别,是一种有效的方法。