国外作战无人机

本简要介绍了国外无人机的发展现状，内容涵盖美国、瑞典、法国和西欧联合研制的作战无人机项目，详细介绍了当前国外先进作战无人机研制的进展、主要机型及其基本战术技术参数等情况。     

面向作战效能优化的反辐射无人机目标分配

针对反辐射无人机作战目标优化分配问题,提出了基于贪心法的解决方案,并完成了对该方案全局最优性的数学证明。计算机仿真表明,该方法能够得到与遍历法效能相同的全局最优解,同时计算所需的时间相较于遗传算法等经典次优算法有明显的优势,使用此方法进行作战目标动态分配能够得到明显优于静态分配的作战效能。     

智能学习的目标识别算法研究

学习的目的就是强化对可塑性结构的有效刺激,并形成固化的记忆模式。基于数据的机器学习是信息系统获取外界(环境)知识的重要途径,也是人工智能的一项关键技术。越来越多的研究者认为,一个系统的成功与否,不仅取决于系统所采用的结构模型,而且更取决于这个系统所包含的知识内容--“智力”含量。采用自适应优化学习的目的,就是使滤波模型具有图像目标的固有特征,从而赋予结构参数特定的知识,使图像滤波过程融入特有的智能,进而实现对复杂交化的图像具有良好的滤波性能和稳健的适应能力。     

一种用于高速无人机的对地目标捕获和识别方法

随着高速无人机的应用愈加广泛,高速无人机对地目标的捕获方法也成为研究热点。提出了一种用于高速无人机的对地目标捕获、识别方法。该方法捕获速度快、适用范围广,所需装置简单,使用方便,可克服图像快速刷新,人工引导方法无法及时发现目标、捕获锁定失败等问题,提高了大速高比条件下对地捕获、跟踪的可靠性和便捷性,丰富了无人机对地目标捕获、识别理论。     

基于机器学习的SAR图像目标识别方法研究

为了提高SAR(合成孔径雷达)图像的目标识别能力，提出基于机器学习的目标识别技术。该技术以马尔可夫网络为体系，从大量的例子中学习并获得网络参数，利用贝叶斯信任传播机制为原图像找到理想的后验概率，从而生成一个边缘信息丰富的结果图。     

基于多维信号特征的无人机探测识别方法

如今,无人机(UAVs)在军用民用领域得到大规模应用,在无人机带来便利的同时也带来了巨大的安全隐患。针对无人机的探测识别技术逐渐成为研究热点,传统的无人机探测方法主要是通过获取雷达回波信号、无人机声音信号和光电信号的方式对无人机进行探测。然而,这类方法往往容易受到环境影响具有一定的局限性,无法对无人机进行精确的定位和识别。该文提出一种基于多维信号特征的无人机识别方法,该方法首先通过自适应三角阈值法从接收到的无线信号中探测并筛选出无人机信号,同时解析获取的无线信号的信道状态信息(CSI)。然后,利用正交匹配追踪算法(OMP)进行参数估计来获取无人机的位置信息对无人机进行定位。最后,提取无人机信号中的盒维数和径向积分双谱(RIB)来对无人机进行分类识别。通过实验,该方法对无人机的3维定位精度小于1 m,对无人机的分类识别精度最高能达到100%。     

无人机作战运用及发展趋势研究

由于无人机具有很多有人驾驶飞机所不具备的优点,使得无人机在近几场局部战争中被大量地使用,而且在未来战场上的用途将越来越大。着眼未来一体化联合作战需要。无人机已成为世界各军事大国武器装备发展的重点之一。论述了无人机的特点和作战运用,重点研究了无人机作战运用的发展趋势。     

电子防空作战中的无人机运用探讨

本文针对电子防空的特点，分析了电子防空面临的主要任务，讨论了无人机在电子防空作战中的主要优势，提出了无人机在电子防空作战中的几种具体运用手段和方法。     

反辐射无人机作战效能分析

应用WSEIAC武器系统作战效能模型给出了单架反辐射无人机的作战效能表达式,分析了影响反辐射无人机作战效能的关键因素,推导了多架反辐射无人机的作战效能表达式,并针对多架反辐射无人机的作战效能分析了攻击资源的分配。     

多传感器结合的无人机障碍物识别方法研究

随着无人机越来越多的应用在植保作业中,无人机障碍物识别正逐渐成为研究的重点.由于单一传感器识别障碍物的局限性,提出将毫米波雷达和视觉系统相结合的障碍物识别方法:利用毫米波雷达探测前方障碍物的距离,通过视觉系统检测障碍物的大小形状等信息.视觉系统结合色值提取、形态学处理等方法滤去干扰信息,得到较为光滑的障碍物轮廓,利用坐...     

基于无人机图像的实时人工目标检测

从无人机飞行时获得的图像中实时地判断出自然目标和人工目标是许多想定任务的基本需求,例如从海洋中检测出船只、从树丛中检测出车辆以及从自然环境中检测出建筑物和其他人造目标等。然而在实时处理中,图像处理过程总是受到计算时间及计算能力的限制,这就需要研究那些特性并能更好地用来区分人工目标和自然目标。探讨了基于色彩之外的其他特性来区分人工目标的方法,并给出一种所需计算量较小的简单算法。     

基于作战效能的无人机航路规划研究

综合考虑目标分配与航路规划全过程,提出一种基于作战效能的无人机航路规划方法.在航路规划层利用变长染色体遗传算法规划无人机的初始航路,在协同规划层则以作战效能为指标,运用遗传粒子群优化算法进行任务优化分配,最终得到一个备选航路集.然后,利用协同算法可在备选航路集中找到满足要求的任务航路.该方法不仅能够规划出单机或多机协同全局航路,而且还可根据威胁环境或目标变化适时修正航路,并始终保证较高攻击效能.     

基于无人机的输电线路设备识别方法研究

利用无人机进行输电线路巡检是近几年国内外研究的热点技术之一,其优点是在无需拉闸断电的情况下,即可对输电线路进行检测,对其故障进行判别。根据输电线路设备的特征,应用图像处理与模式识别技术,提出了一种识别绝缘子、防震锤和输电塔的方法。该方法先采用中值滤波、膨胀和腐蚀等方法对灰度化后的航拍图像进行预处理,然后提取预处理后图像的小波特征值,最后采用AP（Affinity Propagation）聚类方法对目标图像进行分类与识别。实验结果表明,所提出的方法能够有效的识别绝缘子、防震锤和输电塔等目标,具有较好的鲁棒性和准确性。     

反辐射无人机作战效能定理分析及仿真

分析反辐射无人机的作战过程，建立其作战效能的仿真模型，并提出以毁伤概率作为其作战效能的评价指标。     

空中格斗无人机作战效能分析

通过对空中格斗无人机相对作战效能的应用举例，定性地分析了参战双方无人机空中作战效能的含义，定量地描述了空中格斗无人机的“相对作战效能比”。了解它们，对于今后增强己方无人机空中作战能力、提高作战效能、更好地运用空中作战无人机战术，都有一定的实用价值和参考意义。     

人工智能和知识图谱在无人机智能作战中的应用

在信息化作战条件下,各种侦察监视设备（如卫星、雷达、无人机群等）可以获取海量的战场信息数据。如何有效利用这些海量多源异构信息来提高无人机作战的智能化程度和打击精度是当前的一个热门研究领域。在介绍了人工智能和知识图谱发展现状的基础上,针对如何引导无人机完成智能打击这一目标构建了知识图谱,并结合具体的作战任务需求和场景特点给出了解决方案。     

舰载无人机作战应用模式综合分析

为了更好地发挥舰载无人机的作战性能,主要研究了舰载无人机的作战应用,并指出了无人机作战应用的缺点,为其在我海军的使用和发展奠定坚实的基础。     

国外无人机蜂群作战典型战例及发展趋势

随着通信组网、智能决策、协同控制等关键技术在无人机领域的推广应用,蜂群作战逐渐成为颠覆未来战场规则和样式的重要推手,其发展应用备受瞩目。文中从蜂群作战的基本样式入手,研究分析了叙利亚战争、也门战争、纳卡冲突中蜂群作战典型战例的兵力对比和应用特点,从规模化、信息化、智能化、多样化四个方面总结归纳了蜂群作战的发展趋势,以期为我国蜂群作战提供参考借鉴。     

基于无人机平台的多目标跟踪算法

针对目前无人机平台多目标跟踪技术的跟踪精确度低、占用内存大的问题,提出了一种基于不同检测器算法和DeepSort算法结合而成的多目标跟踪算法,提高在无人机上对地面行人在跟踪数据集中的效果。使用深度学习的多目标跟踪技术通过构建卷积神经网络(Convolutional Neural Network, CNN),用卡尔曼滤波算法实现了对目标轨迹的预测,匈牙利算法则使卡尔曼滤波的预测结果得以分配,使DeepSort算法在保证跟踪效果的同时,也保证了跟踪时的速度。实验结果显示,DeepSort在与YOLOv5x检测器配合后,多目标跟踪精度可提高20%。