基于改进型BP神经网络的导引头测高性能评估

武器装备性能评估贯穿于装备发展的全寿命过程,对于装备定型与实战化运用具有重要意义。针对传统反向传播(back propagation, BP)神经网络模型易陷入局部最优、武器装备评估数据少等问题,提出了基于数据包络分析和Bootstrap法的改进型BP神经网络模型。利用数据包络分析处理原始指标得到3项优化参数,结合Bootstrap法对其进行扩充,再通过BP神经网络建立评估模型。实验表明,改进模型得到的合成孔径雷达(systemic aperture radar, SAR)导引头测高性能评估结果,其决定系数和误差系数均有明显改善。该模型不仅规避了模糊综合评判法主观性强、精确度不高等问题,同时有效解决了传统BP神经网络模型易陷入局部最优和武器装备评估数据少的两个问题。     

基于改进wk算法的弹载SAR斜视成像

为提高弹载导引头成像精度,研究分析大斜视成像具有重大意义。针对传统wk算法在构造Stolt映射关系时未考虑等效速度变化以及进行方位校正时运算复杂等问题,提出基于改进wk算法的弹载合成孔径雷达斜视成像模型。首先,详细推导基于Stolt插值的wk算法,辨析在成像参数、多普勒中心校正和统一相位补偿等三个环节中易存在的混淆,为算法改进提供严谨模型。然后,针对非参考点目标的等效速度随着距离向不断变化,构造新的Stolt映射关系减小残余相位误差。在此基础上,针对较难精确实现多个点目标的方位位置校正函数,通过引入参考目标点构造近似校正函数,避免进行复杂的二维插值或坐标转换。最后,以大斜视成像为例,对多个点目标进行仿真,验证该算法的有效性。     

基于改进小波变换的海上目标检测

为提高弹道导弹打击舰船的命中精度，研究分析弹载合成孔径雷达的海上目标检测具有重大意义。针对基于传统小波变换的检测算法在相干噪声下难以快速实现目标检测的问题，提出基于改进小波变换的检测模型。首先，利用方向可调的小波函数改进传统小波变换，在提高检测精度的情况下，可避免进行非极大值抑制；其次，重点针对方向小波变换运算复杂的问题，从算法原理和实际应用两方面着手，分别构造可变方向角和掩模矩阵，减少了运算量；然后，在此基础上利用高低帽滤波和闭运算的组合处理，增强边缘区分度，即可通过二值化处理完成目标检测；最后，以舰船的目标检测为例，从检测精度和运算时间两方面验证改进模型的有效性。