The problem of identification of friend-or-foe aircraft in the actual application condition is addressed.A hybrid algorithm combining fuzzy neutral network with probability factor（FNNP）,multi-level fuzzy comprehensi...The problem of identification of friend-or-foe aircraft in the actual application condition is addressed.A hybrid algorithm combining fuzzy neutral network with probability factor（FNNP）,multi-level fuzzy comprehensive evaluation and the DempsterShafer（D-S） theory is proposed.This hybrid algorithm constructs a complete process from generating the fuzzy database to the final identification,realizes the identification of friend-or-foe automatically if the training samples or expert’s experience can be obtained,and reduces the effect of uncertainties in the process of identification.At the same time,the whole algorithm can update the identification result with the augment of observations.The performance of the proposed algorithm is assessed by simulations.Results show that the proposed algorithm can successfully deduce the aircraft’s identity even if the observations have measurement errors.展开更多
针对目前敌我识别辐射源个体识别(Specific Emitter Identification of Identification Friend or Foe,SEI-IFF)研究不足的问题,提出了一种基于多维特征与Transformer网络的SEI-IFF方法。该方法首先从单个脉冲及信号全局等多维度获取如...针对目前敌我识别辐射源个体识别(Specific Emitter Identification of Identification Friend or Foe,SEI-IFF)研究不足的问题,提出了一种基于多维特征与Transformer网络的SEI-IFF方法。该方法首先从单个脉冲及信号全局等多维度获取如相位、幅度、时间、功率谱密度等信号特征,结合Transformer网络进一步提取不同IFF辐射源个体特征中如前后关联特性的细微特征并最终实现SEI-IFF。试验结果表明,所提方法针对20个目标搭载的IFF辐射源个体的平均识别正确率达95.3%,可较准确地完成SEI-IFF,有助于提升战场SEI-IFF效率。展开更多
对于雷达与IFF(Identification Friend or Foe)背靠背配置时的关联问题,提出了关联算法.主要包括雷达航迹与IFF点迹的时间对准、判别函数构造、关联判决准则选择和关联判决门限设置等,并讨论了多义性问题.4种典型情况下的仿真结果表明,...对于雷达与IFF(Identification Friend or Foe)背靠背配置时的关联问题,提出了关联算法.主要包括雷达航迹与IFF点迹的时间对准、判别函数构造、关联判决准则选择和关联判决门限设置等,并讨论了多义性问题.4种典型情况下的仿真结果表明,目标间隔与目标到雷达距离之比越大时,关联效果越好;目标交叉时,离交叉点越近,关联效果越差;目标机动阶段时间对准采用雷达航迹平滑的关联效果优于航迹预测,其它情况下采用两种时间对准方法的关联效果相近;在NED(North EastDown)坐标系和极坐标系下的关联效果相近;n/m逻辑应选择2/3或3/4,以同时保证对友方目标的漏关联概率和不明目标的误关联概率都较低.展开更多
针对目标数量多、目标构成复杂环境下雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹关联不准确的问题,提出了一种基于DS(Dempster-Shafer)证据理论的关联方法。基于区间灰数模型完成雷达目标与IFF点迹的灰关联度计算,并据...针对目标数量多、目标构成复杂环境下雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹关联不准确的问题,提出了一种基于DS(Dempster-Shafer)证据理论的关联方法。基于区间灰数模型完成雷达目标与IFF点迹的灰关联度计算,并据此生成DS证据理论中辨识框架的基本概率赋值;利用Dempster规则对证据进行组合,当证据之间存在冲突时采用改进Murphy方法对数据进行处理;最终通过概率转换方法完成关联判决,形成对目标敌我属性的判定。典型场景下的仿真结果表明,该方法能够实现雷达目标与IFF点迹的有效关联,通过多次询问及关联过程,可提升不同场景下的关联正确率。展开更多
提出了一种基于联合概率数据关联(Joint Probability Data Association,JPDA)思想的雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹相关方法,利用雷达目标历史IFF属性及关联概率作为先验信息,结合当前雷达目标航迹和IFF点...提出了一种基于联合概率数据关联(Joint Probability Data Association,JPDA)思想的雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹相关方法,利用雷达目标历史IFF属性及关联概率作为先验信息,结合当前雷达目标航迹和IFF点迹的分布情况,通过基于JPDA的方法计算各雷达目标与IFF点迹的关联概率,最后利用目标识别规则库对目标属性进行判定。几种典型场景下的仿真结果表明,通过对目标的多次询问和相关概率的迭代,所提方法可有效提高目标密集环境下对我方合作目标的正确识别率,同时降低对非合作目标的误识别率。展开更多
为了实现复杂战场环境下空中目标敌我属性的综合识别,在利用证据权重衡量信息可信度的基础上,提出了一种基于DS证据理论和直觉模糊集相结合(Dempster-Shafer evidence theory-intuitionistic fuzzy sets,DST-IFS)的综合敌我识别方法。首...为了实现复杂战场环境下空中目标敌我属性的综合识别,在利用证据权重衡量信息可信度的基础上,提出了一种基于DS证据理论和直觉模糊集相结合(Dempster-Shafer evidence theory-intuitionistic fuzzy sets,DST-IFS)的综合敌我识别方法。首先,分析了空中目标综合敌我识别问题,给出了具体的识别流程;然后,针对DS(DempsterShafer)函数向直觉模糊集转化过程中存在增大信息不确定性的问题,提出了一种信度分配方法用于直觉模糊隶属度和非隶属度赋值,并利用算例验证了信度分配方法的适应性和有效性;接着,给出了基于理想点法(technique for order preference by similarity to ideal solution,TOPSIS)的DST-IFS决策方法步骤;在此基础上,提出了一种基于DST-IFS的空中目标综合敌我识别的方法;最后进行了实例分析,验证了该综合敌我识别方法的有效性。展开更多
文摘The problem of identification of friend-or-foe aircraft in the actual application condition is addressed.A hybrid algorithm combining fuzzy neutral network with probability factor（FNNP）,multi-level fuzzy comprehensive evaluation and the DempsterShafer（D-S） theory is proposed.This hybrid algorithm constructs a complete process from generating the fuzzy database to the final identification,realizes the identification of friend-or-foe automatically if the training samples or expert’s experience can be obtained,and reduces the effect of uncertainties in the process of identification.At the same time,the whole algorithm can update the identification result with the augment of observations.The performance of the proposed algorithm is assessed by simulations.Results show that the proposed algorithm can successfully deduce the aircraft’s identity even if the observations have measurement errors.
文摘针对目前敌我识别辐射源个体识别(Specific Emitter Identification of Identification Friend or Foe,SEI-IFF)研究不足的问题,提出了一种基于多维特征与Transformer网络的SEI-IFF方法。该方法首先从单个脉冲及信号全局等多维度获取如相位、幅度、时间、功率谱密度等信号特征,结合Transformer网络进一步提取不同IFF辐射源个体特征中如前后关联特性的细微特征并最终实现SEI-IFF。试验结果表明,所提方法针对20个目标搭载的IFF辐射源个体的平均识别正确率达95.3%,可较准确地完成SEI-IFF,有助于提升战场SEI-IFF效率。
文摘对于雷达与IFF(Identification Friend or Foe)背靠背配置时的关联问题,提出了关联算法.主要包括雷达航迹与IFF点迹的时间对准、判别函数构造、关联判决准则选择和关联判决门限设置等,并讨论了多义性问题.4种典型情况下的仿真结果表明,目标间隔与目标到雷达距离之比越大时,关联效果越好;目标交叉时,离交叉点越近,关联效果越差;目标机动阶段时间对准采用雷达航迹平滑的关联效果优于航迹预测,其它情况下采用两种时间对准方法的关联效果相近;在NED(North EastDown)坐标系和极坐标系下的关联效果相近;n/m逻辑应选择2/3或3/4,以同时保证对友方目标的漏关联概率和不明目标的误关联概率都较低.
文摘针对目标数量多、目标构成复杂环境下雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹关联不准确的问题,提出了一种基于DS(Dempster-Shafer)证据理论的关联方法。基于区间灰数模型完成雷达目标与IFF点迹的灰关联度计算,并据此生成DS证据理论中辨识框架的基本概率赋值;利用Dempster规则对证据进行组合,当证据之间存在冲突时采用改进Murphy方法对数据进行处理;最终通过概率转换方法完成关联判决,形成对目标敌我属性的判定。典型场景下的仿真结果表明,该方法能够实现雷达目标与IFF点迹的有效关联,通过多次询问及关联过程,可提升不同场景下的关联正确率。
文摘提出了一种基于联合概率数据关联(Joint Probability Data Association,JPDA)思想的雷达目标与敌我识别(Identification Friend or Foe,IFF)点迹相关方法,利用雷达目标历史IFF属性及关联概率作为先验信息,结合当前雷达目标航迹和IFF点迹的分布情况,通过基于JPDA的方法计算各雷达目标与IFF点迹的关联概率,最后利用目标识别规则库对目标属性进行判定。几种典型场景下的仿真结果表明,通过对目标的多次询问和相关概率的迭代,所提方法可有效提高目标密集环境下对我方合作目标的正确识别率,同时降低对非合作目标的误识别率。
文摘为了实现复杂战场环境下空中目标敌我属性的综合识别,在利用证据权重衡量信息可信度的基础上,提出了一种基于DS证据理论和直觉模糊集相结合(Dempster-Shafer evidence theory-intuitionistic fuzzy sets,DST-IFS)的综合敌我识别方法。首先,分析了空中目标综合敌我识别问题,给出了具体的识别流程;然后,针对DS(DempsterShafer)函数向直觉模糊集转化过程中存在增大信息不确定性的问题,提出了一种信度分配方法用于直觉模糊隶属度和非隶属度赋值,并利用算例验证了信度分配方法的适应性和有效性;接着,给出了基于理想点法(technique for order preference by similarity to ideal solution,TOPSIS)的DST-IFS决策方法步骤;在此基础上,提出了一种基于DST-IFS的空中目标综合敌我识别的方法;最后进行了实例分析,验证了该综合敌我识别方法的有效性。
