基于Boosting学习算法的雷达弹道识别

弹道外推技术在炮位雷达的侦察和校射中起关键作用,弹道外推的精度直接决定着炮位侦察校射雷达的性能.在文献[1]中,作者提出了将弹道外推分为弹道识别和特定弹道外推两个阶段,并用支持向量机方法对弹道识别进行了系统研究.文中引进Boosting学习算法进行弹道识别.仿真结果表明,基于决策树的Boosting学习算法是一种有效的弹道识别方法,并且识别精度高于基于核技巧的支持向量机方法.     

拦截弹中制导弹道在线快速规划方法

针对满足多约束条件的拦截弹中制导弹道在线快速规划问题,提出一种基于虚拟域动态逆的在线弹道规划算法。引入虚拟因子,将离散状态变量从时间域转入虚拟域中,并基于动态逆思想,利用虚拟弧长求得边界条件的高阶导数,提高计算效率;构建过程约束的惩罚函数,结合性能指标进行规划,使弹道能够满足时间域上的多约束条件。结合该算法提出目标信息更新后的在线重新规划策略。仿真结果表明,基于虚拟域动态逆的在线弹道规划算法虽然计算精度较弱,但是能够快速生成满足多约束条件的参考弹道,具有很好的实时性与鲁棒性,适用于求解弹道在线快速规划问题。     

基于在线修正弹道模板的主动段弹道跟踪方法

为了提高在线跟踪主动段弹道导弹的精度,提出了基于在线修正的弹道模板方法,详细构建了空气动力、推力、重力、科氏力、牵连惯性力等的动力学模型,结合不敏卡尔曼滤波和粒子滤波算法,对弹道模板参数进行在线校正及对导弹目标进行实时跟踪。在仿真过程中,基于加加速度模型和当前统计模型构建了交互多模型算法,并将该算法结合不敏卡尔曼滤波和粒子滤波算法与在线修正的弹道模板方法进行比较分析。仿真结果表明,该方法能够对弹道模板参数进行准确估计并能获得比交互多模型算法更高的跟踪精度。     

模糊分类树在弹道目标识别中的应用

分析了弹道目标识别特点,指出它是典型的非合作目标识别,通常难以获取待识别对象的详细特征数据库,因此基于数据库匹配的识别方法实用性有限.根据这一特点,提出了基于分类树的弹道目标识别方法,阐述了分类树的基本原理后,提出了弹道目标识别分类树的构造方法,在此基础上设计了弹道目标识别的模糊分类树,进行了相应的仿真实验.仿真实验结果表明所提出的方法有效.     

一维弹道修正引信的弹道辨识方法

根据一维弹道修正技术原理，基于质点弹道提出了一种新的弹道辨识方法，即通过弹道最小速度点的速度值及其出现时间来确定弹丸实际飞行弹道，并证明了其唯一性，仿真分析表明，该方法对弹道的识别精度较高。     

基于弹道速度最小点的弹道辩识快速算法

通过对大量弹道仿真数据的分析，提出了基于弹道速度最小点的弹道辩识快速算法，并从理论上证明了该算法的正确性。仿真分析表明，该算法对弹道的识别精度较高，非常适合于质点弹道模型为基础的常规火炮弹药的弹道辩识。     

基于运动特征的弹道导弹目标识别技术

弹道导弹目标的运动特征反映不同目标的运动特性,是鉴别弹头和诱饵目标的有效手段之一。分析了弹道导弹目标运动特征差异,系统地归纳了基于运动特征的弹道目标识别方法。根据雷达提取运动特征所采用的信息不同,将此种方法分为基于速度变化的识别方法、基于弹道运动特性的识别方法、基于微动特性的识别方法以及基于质阻比的识别方法。详细阐述了四类识别方法特点、实现途径及适用条件,展望了弹道导弹目标识别技术的发展趋势,并对目标识别特征作战运用提出一些新的想法。     

雷达辐射源音频信号声纹识别方法

针对复杂的电磁环境中,雷达辐射源音频信号人工识别方法存在耗时长、误判和错判等问题,提出一种利用声纹识别和计算机技术对雷达辐射源音频进行识别的方法.利用了声纹识别关键技术--美尔倒谱系数特征提取和动态时间规整算法实现雷达辐射源音频自动识别,实验结果表明:该方法缩短了识别时间,提高了识别的正确率.     

基于支持向量机的弹道识别及其在雷达弹道外推中的应用

支持向量机( SVM)是一种基于结构风险最小化原理的分类技术,也是一种具有很好泛化性能的回归分析方法。本文用SVM分类方法对弹道类型进行识别,用SVM回归方法对不同类型的弹道数据分别建模,进而对弹道起点进行有效预测。仿真结果表明,该方法识别精度高,在SVM弹道识别的基础上,还可以有效提高弹道外推精度。     

基于Hopfield神经网络的面目标特征识别方法研究

提出了一种基于Hopfield神经网络的面目标特征识别方法。介绍了网络结构、学习算法,编制了相应的计算程序,用该程序对6种不同模拟目标的样本数据进行识别,均被正确识别。结果初步表明,利用Hopfield神经网络进行面目标特征识别是基本可行的。     

AdaBoost-SVMDT及其在HRRP识别中的应用

HRRP所具有的易于获得和处理的独特优势，使得基于HRRP的识别方法成为现代战争环境感知和目标识别的主要方法之一。AdaBoost是一种能够提高任意分类器的分类精度的学习框架，将其引入SVM—DT，并应用于HRRP识别，可提高HRRP的识别精度。实验表明，AdaBoost—SVMDT相比于SVMDT有效提高了HRRP的分类精度。     

基于二维插值的引信装定器用弹道参数解算方法

针对定距空炸武器装定器的弹道参数的快速解算问题,提出了基于二维插值算法的引信用装定器弹道参数解算方法。该方法比较了两种二维插值算法,得到双线性插值算法具有计算简单、满足精度、更适用于装定器弹道解算等特点。仿真实验结果表明,炸点距离间隔对炸点精度影响较大,海拔高度对炸点精度影响较小;采用双线性插值算法满足解算精度要求和计算时间要求。     

基于神经网络的弹道修正弹落点预测方法

为了分析神经网络运用于弹道预测的可行性,构建了实用的弹道预测工具,建立了基于神经网络理论的弹道预测模型。利用二自由度质点弹道模型,选取BP网络和Elman网络进行神经网络弹道预测仿真。基于误差反向传播理论,比较了带动量项算法与自适应学习率算法这2种网络权值训练速度。对2种网络不同隐层节点数的学习误差和预测误差进行了对比分析。数值仿真计算结果表明,神经网络具有较高的预测精度,36.7 km射程仅有不足100m的射程误差,12.3 km射高仅有不足70 m的高度误差,预测结果满足要求,利用神经网络进行弹道预测是合理可行的。     

单炮多发同时弹着的局部插值算法与并行加速

为提高单炮多发同时弹着的弹道计算精度,基于标准条件下二维质点弹道方程和真空二维弹道斜射程公式,提出了一种局部插值算法。通过缩小插值区间加密插值序列提高弹道计算精度,研究了该局部插值算法的MPI并行实现方法,该方法可有效减少弹道计算消耗的时间,保证计算耗时满足战场要求。给出了并行计算的任务分配方案和并行效率的计算。并行效率与计算核心数量的关系表明弹道计算机的CPU核心数存在一个上限。以5～15 km射程的同时弹着弹道计算为例,验证了该文算法的有效性和高效性。     

高光谱成像技术在天基导弹预警探测中的应用

高光谱成像技术在民用和军事上都具有重要的应用价值和发展前景,是当前目标检测识别及信息处理领域的一个前沿研究方向。针对弹道目标的检测与识别问题,介绍了天基红外预警系统的发展与现状,阐述了高光谱成像的基本原理和技术特点。在此基础上,分析了高光谱成像技术在天基导弹预警探测中的应用背景和导弹尾焰的光谱特征,设计了一种基于高光谱成像的弹道目标一体化检测与识别应用方案,并且与传统的基于红外成像的目标检测与识别方法进行了对比分析。最后提出了进行高光谱成像弹道目标检测与识别研究的发展建议。     

基于深度学习的光电系统智能目标识别

智能目标识别技术是光电系统多维立体侦察体系的重要支撑,是实现多角度、全方位目标定位、感知分析的基础。为满足复杂环境下光电系统中基于深度学习的目标识别需求,聚焦数据、算法和计算能力三大挑战,提出一种基于多源信息融合的智能化目标识别方法,对多个传感器融合得到的图像进行学习和训练,从而提高目标识别的能力。基于多维图像融合的目标识别技术,将多波段融合图像数据进行标注、训练学习,用来自动识别出图像中的多个目标。实验结果表明,所提算法能够实现对融合目标的精确识别与定位。     

图像制导中的一种改进增量学习RBF神经网络

为改进现有人工神经网络在图像制导系统的自动目标识别算法中的不足,加快收敛速度,通过对基于RBF神经网络自动目标识别技术的研究,提出以隐层神经元价值函数作为指标的生长修剪策略,构造出一种基于增量学习的网络资源分配网络(IL-RAN),对目标进行了在线实时识别。仿真结果表明,利用该改进算法可产生规模较小的网络,并使得网络参数的选择与识别误差建立了联系,减少了总体的计算量,计算时间也大大缩短。     

基于组合算法的多级固体运载火箭运载能力优化

建立固体运载火箭弹道优化模型,提出一种基于外点罚函数法、遗传算法与方向加速法的组合算法,基于VC平台与MATLAB遗传算法工具箱,实现了太阳同步圆轨道的弹道优化仿真计算.仿真结果表明组合优化算法在解决本类问题时较其它优化算法具有更优的计算速率和计算精度.     

基于AP-DBSCAN聚类的弹道目标进动特征提取

进动是弹道目标识别的重要特征.以锥体弹头为研究对象,文中提出了一种基于宽带雷达组网的锥体目标进动特征提取方法.首先建立弹道目标进动模型,利用AP聚类算法,根据回波信号的强度进行初步聚类,然后通过DBSCAN算法,剔除噪声点,将非噪声信号分类并求平均值.在此基础上,分别估计出不同雷达体制下各散射中心的幅、相信息,进而解算出弹道目标的进动参数.仿真结果表明,在信噪比较小的情况下,目标的进动参数估计精度仍较高.     

基于支持向量机的雷达弹道外推方法研究

支持向量机是一种求解回归预测问题的优秀决策方法，具有坚实的理论基础和优秀的预测性能．为解决目前雷达弹道外推中存在的外推准确率不高和不能有效地进行弹道识别等问题，用基于支持向量机的方法对雷达探测弹道进行了外推研究，并通过仿真弹道模拟雷达采样进行了仿真实验，仿真实验结果表明：基于支持向量机的雷达弹道外推方法实用可行，可以获得较高的外推精度，并且能够有效地进行弹道识别．