【摘 要】
:
目标威胁评估是信息融合领域的热点和难点之一。传统的目标威胁评估需要有经验的研究人员通过雷达进行数据分析,这导致了速度慢、容错率低等一系列问题。随着现代战争中无人智能装备的增多,传统的威胁评估方式逐渐被淘汰。因此,必须要构建一整套完善的威胁评估系统,通过这种方式进行各项武器资源的优化设置,在此发展的条件之下规避各种作战目标,有效保证整体的作战性能和作战能力。在现代信息化技术发展的当今社会,各个国家面
论文部分内容阅读
目标威胁评估是信息融合领域的热点和难点之一。传统的目标威胁评估需要有经验的研究人员通过雷达进行数据分析,这导致了速度慢、容错率低等一系列问题。随着现代战争中无人智能装备的增多,传统的威胁评估方式逐渐被淘汰。因此,必须要构建一整套完善的威胁评估系统,通过这种方式进行各项武器资源的优化设置,在此发展的条件之下规避各种作战目标,有效保证整体的作战性能和作战能力。在现代信息化技术发展的当今社会,各个国家面临着日益复杂的空战环境,包括目标种类也十分复杂,这些因素的存在无疑加大了防空拦截的难度。尤其是防空作战中空袭目标的威胁评估,该问题逐步成为了指挥控制系统所面临的关键性问题。本文主要研究了基于雷达数据的空中飞行目标识别与威胁度评估系统的设计与实现,针对空中飞行目标识别中的准确率较低等问题,使用循环神经网络来解决,较大的提升了空中飞行目标识别的准确率。同时,提出了一种空中飞行目标威胁度评估系统,使用贝叶斯网络以及模糊集合,以及AHP与熵权法相结合的赋权方法,在原有的基础之上不断改善和优化贝叶斯网络推理过程,提高了威胁度评估结果的可信度。具体的研究内容如下:(1)针对传统空中飞行目标识别中准确率较低的问题,提出了一种基于多层双向神经网络GRU计算单元的循环神经网络识别算法模型(Multi-dimensional and Bidirectional Gated Recurrent Unit),简称MD-BGRU模型。将雷达探测到的飞行高度、速度、经纬度、RCS数据进行缺失数据预处理、异常数据预处理以及Savitzky-Golay滤波器对RCS噪声数据进行平滑处理后,作为MD-BGRU的序列输入数据。最终通过实验分析结果得出,相对比传统的SVM算法,有效提高了空中飞行目标识别的准确率,同时为以下威胁度评估中的目标类型维度提供了数据支撑。(2)针对空中飞行目标威胁度评估中的可信度以及时间复杂度的问题,提出了一种基于贝叶斯网络与模糊集合的威胁度求值,层次分析法与熵权法的威胁度赋权方法,使得威胁度评估中所用到的维度既有定性数据又有定量数据,同时减少了贝叶斯网络的节点个数,并使得赋权既有主观性又具有客观性,有效提高了威胁度评估得可信度。同时对贝叶斯网络的推理过程进行了改进优化,将贝叶斯网络按照一定规则转换为结构图,并通过结构图确定最优变量消元顺序,减少了各节点得计算次数,降低了推理过程中的时间复杂度。
其他文献
随着智能手机,平板电脑和其他物联网(IoT)设备的激增,基于位置的服务(LBS)已变得越来越流行,并开始塑造我们使用互联网的方式,在社会生活中发挥着极其重要的作用。这也使得通过使用移动电话、GPS设备和带有地理标记的社交媒体大规模地收集用户的位置数据的现象越来越普遍,海量用户位置数据被存储在云端服务器。大量的位置数据含着极大的学术价值和商业价值,但是这也给用户带来了隐私泄露的风险。现有的研究主要集
口语理解任务主要包括领域识别、意图识别和语义槽填充三个子任务,因而有关口语理解的研究可分为仅考虑单个子任务的粗略口语理解和联合多个子任务的精细化口语理解。综合以上分析,从口语理解两个角度和应用角度出发进行研究,主要工作如下:(1)针对口语交流中存在对话短易造成文本语义稀疏的问题,以及对话时的随意性会导致意图模糊不清的问题,提出一种融合实体信息和时序特征的意图识别模型。通过识别对话中实体信息并加入到
在实际生活场景中,往往会有背景声音的存在,语音分离的目的主要是将目标说话人的语音从被污染的语音中重构出来,降低或去除干扰的影响,增强人耳对混合语音的感知以及混合语音的可懂度。本文主要研究单通道语音分离,即如何在一路观测信号中将目标语音与干扰语音分离或者如何将干扰信号的影响降到最低。本文以字典学习和深度神经网络为基础,对单通道语音分离进行分析和研究,字典学习利用字典原子线性表示语音信号的特征,而深度
射频识别RFID技术目前被广泛应用于物联网之中,RFID通信协议也是物联网中采用的主要通信协议之一。当前,针对物联网中多样化无线通信协议的安全问题,需要有效的工具对协议进行分析,从而保障各个协议安全可靠,尽可能减少恶意软件对物联网系统的攻击。因此,本文对RFID通信协议的逆向分析过程与技术进行分析和研究,提出了一种结合n-gram算法和NW(Needleman-Wunshc)算法的序列比对改进算法
在一定条件下,非线性系统中噪声有益于信号或信息处理的现象称为随机共振。本文主要研究了常见优化算法的卷积神经网络,然后对网络中的随机共振现象进行了研究,具体研究内容如下:首先从时间消耗、初始学习率、批尺寸数量和卷积核数量这四个方面对反向传播算法中梯度下降算法的5种优化算法进行了研究,这5种优化算法使得卷积神经网络达到收敛情况时的时间消耗有明显的差别,其中Adam优化算法使得网络达到收敛所花费的时间最
北斗导航系统是我国独立自主研发建设的卫星导航系统,在国家安全、航空航天和社会经济等方面具有重大意义。卫星导航的终端需要使用接收机来获取卫星信号,而接收机中所需要的本振信号往往通过锁相环频率综合器来实现,因此锁相环频率综合器的性能对卫星导航的速度和精度具有很大的影响。本文对各大导航系统的工作频段和锁相环的基本原理进行研究,设计了一种可以用于GPS和BDS射频接收机的锁相环频率综合器。所设计的锁相环频
回溯近些年移动通信系统的高速发展历史,伴随着第四代移动通信系统(4th Generation Mobile Commumcation System,4G)的发展,人们迎来了移动互联网时代,而伴随着第五代移动通信系统(5th Generation Mobile Commumcation System,5G)的发展,人们迎来了物联网时代。5G具有高速率、低延时、大连接等特性,目前已广泛应用于工业、远程
随着系统容量的增加,频谱资源越来越紧缺,认知无线电(Coginitive Radio,CR)和非正交多址技术(Non-orthogonal Multiple Access,NOMA)的结合——CR-NOMA,能够在有限的时频资源块上服务更多的主用户(Primary User,PU),且增加了次用户(Secondary User,SU)动态接入频谱的机会。然而CR-NOMA系统中的无线环境十分复杂,
随着空间信息网络的发展,接入的用频设备和支持的业务类型越来越多,可申请使用的频谱资源却越来越紧张,这对频谱资源的高效利用提出了更高的要求。当前,频谱感知技术作为认知无线电技术的核心,是实现频谱资源动态分配的重要基础。传统能量检测法作为卫星频谱感知常用手段,其感知性能与预先确定的噪声门限相关,当噪声不确定时,其在低信噪比环境中性能较差。而深度学习技术,受数据驱动,具有无需依赖先验信息的特点,为此,为
随着5G时代的来临,大数据、物联网、人工智能等行业不断在蓬勃发展,社会也朝着智能化、数字化的美好愿景不断迈进。由于海量数据逐渐成为各行各业面对的重要数据场景,实现对高维不规则数据的高效处理成为了重要的研究课题。近年来新型的图信号处理(Graph Signal Processing,GSP)技术为解决当前信号处理遇到的困境提供了新的途径。GSP技术根据产生数据的复杂场景构建图拓扑结构模型,针对样点之