排序方式: 共有56条查询结果,搜索用时 140 毫秒
41.
C3I系统中的目标综合识别技术 总被引:7,自引:2,他引:5
C3I系统中的目标综合识别技术是将关于目标身份的多源信息进行综合,产生比系统中任一单源更有效、更精确的身份估计和判决。在归纳综合国内外研究的基础上,结合C3I系统多源目标身份信息的特点,提出了目标综合识别的基本框架,并对一些关键技术做了初步阐述,最后展望了该领域的技术发展趋势。 相似文献
42.
导弹防御系统中的雷达目标识别技术进展 总被引:4,自引:0,他引:4
目标识别是弹道导弹防御系统的核心技术。根据弹道导弹飞行中的目标特性和导弹防御系统的传感器配置分析了导弹防御系统中目标识别的技术特点,论述了国外导弹防御系统中雷达目标识别的总体技术思路,并重点从目标轨迹特性、结构特性、进动特性以及再入特性等方面总结了利用雷达测量进行弹道导弹识别的技术进展,最后给出了开展导弹防御系统中目标识别研究的建议。 相似文献
43.
基于MUSIC算法的GTD模型参数估计 总被引:3,自引:0,他引:3
将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法作了相应改进。利用特征分析方法的信号与噪声子空间的正交特性,使改进后的MUSIC算法既能精确估计目标散射中心位置,又能估计散射中心类型,取得了较好的效果。针对各种空间平滑预处理方法对噪声子空间与信号正交特性的影响进行了仿真,指出空间平滑预处理方法会影响噪声子空间及信号子空间结构,进而影响散射中心类型的估计,所以应对散射中心类型的最终结果进行修正。 相似文献
44.
电磁波瞬态极化的统计特性 总被引:11,自引:0,他引:11
研究了电磁波瞬态极化的统计表征问题. 首先分析了瞬态极化电磁波Stokes矢量表征的物理内涵, 为求解瞬时Stokes矢量的统计分布提供了简捷的途径. 在此基础上, 分析了电磁波瞬态极化在Gauss分布假设条件下的统计特性, 给出了瞬时Stokes参数的概率密度函数及其联合概率密度函数的解析表达式. 最后, 对瞬态极化电磁波在极化基分量之间相互独立的情况下进行了计算机仿真, 验证了该表征方法的有效性和简捷性. 相似文献
45.
分析了雷达对直升机和固定翼飞机这两类空中目标的识别能力.在识别能力得到满足的前提下,对这两类目标的双谱特征进行了分析,找出了它们之间的不同之处,提出了对这两类目标进行分类识别的方法.通过对18种直升机和固定翼飞机仿真数据进行检验,证明这种方法是有效的. 相似文献
46.
基于模糊方法的系统可靠性分配 总被引:2,自引:0,他引:2
在系统设计初期 ,由于设计方案尚未定型 ,系统的可靠性指标以及相关的重量、体积、费用等限制都不十分明确 ,在这种情况下 ,要进行可靠性分配和冗余度优化 ,即可引入模糊方法 ,一方面用以刻划设计目标和限制条件中所存在的模糊不确定性 ,另一方面解决混合整数多目标非线性优化的数学建模问题 .本文根据上述实际背景 ,提出一种改进的模糊优化算法 ,利用该算法可以在满足多个不确定限制条件的情况下对串联系统各组成单元的可靠度及冗余度同时进行优化 ,并通过改进 ,借鉴了经典优化方法的优点 ,可在计算简便的基础上保证结果的精度 .本文最后给出了具体的计算实例 . 相似文献
47.
基于故障率为模糊数的故障树分析方法研究 总被引:7,自引:0,他引:7
在经典故障树分析方法的基础上 ,运用模糊集合理论 ,针对基于系统各部件故障率为模糊数情形的故障树分析方法作了研究 ,最后给出了一个应用实例. 相似文献
48.
基于图像描述技术的飞机目标架次判别方法 总被引:5,自引:0,他引:5
利用图像描述技术对非相参回波信号波形作了一定的分析,提取出反映飞机目标不同机型(大、小)和不同编队(架次)可资分类识别的图像特征信息。采用极大极小模糊神经网络对提取出的特征进行了训练和分类识别试验,验证了图像特征信息的有效性。结果表明,基于图像描述技术的架次判别方法,为解决常规非相参雷达编队飞机目标架次判别问题提供了一条新的途径。 相似文献
49.
基于时间谱信息的低分辨雷达飞机目标分类 总被引:3,自引:0,他引:3
雷达目标空间状态随时间的变化特性从侧面揭示了的目标的本质,这种目标空间状态随时间呈现的分布特性称之为目标的时间谱,而利用目标的时谱信息(目标的航迹、速度、机动性、空间坐标信息)可以简化(或缩小)待识别目标的范围。用低分辨雷达测量得到的时间谱信息作为特征,采用模糊逻辑规则对五类飞机目标进行分类判决。结果表明:基于时间谱信息的飞机目标分类为低分辨雷达飞机目标识别提供了一个有效的辅助手段。 相似文献
50.
非线性"当前"统计模型及自适应跟踪算法 总被引:1,自引:0,他引:1
针对"当前"统计模型中人为设定时间常数的倒数α值的不合理性,对机动参数α进行建模,并基于粒子滤波的思想,结合UKF滤波算法给出适用于强机动目标跟踪的CS-UKF算法。整个算法能够实时估计参数α,并从这里出发估计目标状态。仿真结果表明在目标强机动时CS-UKF算法比经典CS-KALMAN算法收敛速度更快,状态估计更精确。 相似文献