军事系统工程中的知识图谱应用及研究

来源 :系统工程与电子技术 | 被引量 : 0次 | 上传用户:zhaocd
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前随着通用知识图谱构建技术的发展、自然语言处理技术的进步以及各个行业挖掘数据深层关系的需要,军事同电商、金融证券、医疗等行业一样,也需要构建属于自己领域的知识图谱.通过定义军事知识图谱以及明确军事知识图谱使用时的特殊性,总结了构建过程中的难点,介绍了当前构建军事知识图谱的思路以及使用的技术手段,汇总了军事领域应用知识图谱的现状.最后,给出了知识图谱最新的研究进展,并针对军事领域知识图谱中一部分未解决的困难问题提供了一种可能的解决思路.
其他文献
当多个辐射源同时存在并交替发射信号时,接收数据间相互交错,且多个数据间并无显性关联,无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息.为了同时、高效地实现多个参数的联合估计,提出采用最大期望算法进行估计多个时变信号参数估计的新方案,将一个高维多参数优化问题分解成多个并行的低维问题进行求解.该方法主要包含求解期望值步骤和期望值最大化两个步骤.求解期望值步骤主要建立接收信号与其辐射源的对应关系,即信号分选,而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息.这两个步骤相互迭代,交替进行辐射
针对雷达目标全极化高分辨距离像(high resolution range profile,HRRP)提取可分性特征时,利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题,在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度.在此基础上,提出基于Pauli分解,H、α、A、α分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取,并将提取得到的特征与基于卷积神经网络(convolutional neu-ral network,CNN)的舰船目标HRRP识别方法结合
针对目前快速内点法(fast interior point method,FIPM)无法处理多快拍情况下半正定规划(semi-definite programming,SDP)问题的缺陷,提出一种基于多快拍FIPM (multiple snapshots FIPM,M-FIPM)的无网格波达方向(direction of arrival,DOA)估计算法.该算法首先对天线阵列接收多快拍数据的协方差矩阵进行特征值分解,然后利用特征值和特征向量的相应加权和来重新构建符合FIPM模型的单快拍观测向量,最后再通过
本文提出了一种新的快速收敛比例仿射投影算法,并将算法应用于稀疏多径水声信道均衡.该算法首先在改进比例仿射投影算法(improved proportional affine projection algorithm,IPAPA)的基础上引入变步长算法,提高算法的收敛速度;并在此新算法的基础上通过引入判决反馈结构,进一步改善算法收敛后的稳态误差.在两种典型的稀疏多径水声信道环境下,通过正交相移键控和16进制的正交幅度调制方式对算法的收敛性能进行了仿真.仿真分析了变步长算法中的3个参数γ,η,ζ的取值范围对算法
现阶段对于大型相控阵雷达T/R组件何时开展换件维修、维修时全部更换故障组件还是部分更换、备件数量如何配置等有关问题还没有一个具体标准,开展T/R组件维修决策问题研究可为装备保障人员提供维修决策支持.首先,对T/R组件维修决策的主要内容进行阐述界定.其次,分别从故障数据预测、故障寿命分布、基于故障数据的设备性能评估3个方面对故障数据建模研究现状进行分析.然后,从维修策略类型和维修策略优化模型两个方面重点对维修策略进行阐述,并对以可用度、备件满足率、备件期望短缺数、任务成功率等为决策变量的备件库存策略进行分析
为了解决传统雷达辐射源识别方式识别速度慢、在低信噪比时很难准确识别等问题,结合深度学习提出了一种基于改进一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)和时间卷积网络(temporal convolutional network,TCN)的雷达辐射源快速识别模型.在1DCNN的基础上加入了批归一化层,并在全连接层前加入注意力机制;同时在原有TCN的基础上进行改进,使用Leaky ReLU激活函数代替ReLU函数;将改进后的TCN与1D
合成孔径雷达(synthetic aperture radar,SAR)能够通过高分辨图像中的尺寸、姿态、外形轮廓等关键信息对目标进行探测与识别,对关键军事目标造成了严重的威胁.如何有效控制目标的雷达特征,使其不易被SAR发现与分辨,已经成为干扰领域的关键问题.相较于有源干扰,无源干扰具有成本低、响应速度快、操作简单等优势,然而灵活性差、难以脉内调制一直困扰着无源干扰的发展.针对上述问题,提出一种基于时变材料的SAR图像二维调制方法.该方法利用相位调制表面(phase-switched screen,PS
近区超低空目标具有更为复杂的电磁散射机理,需要建立更为精细灵活的回波模型.基于改进的物理光学与等效电磁流方法建立了目标的近场散射模型,结合面元模型与“四路径”模型提出环境与多径的近区散射计算方法.利用建立的电磁模型,以雷达导引头探测近区超低空目标为应用背景,建立了雷达回波信号模型.验证了近场电磁模型的有效性,仿真分析了信号带宽以及雷达与目标不同相对运动状态对回波信号的影响.仿真结果表明,回波模型较好地表现了复杂场景的各种散射机理,对于探索近区超低空目标回波的特征与规律具有理论意义与实用价值.
传统基于l1范数正则化算子(least absolute shrinkage and selection operator,LASSO)模型的合成孔径雷达(synthetic aperture radar,SAR)压缩感知类稀疏成像算法易丢失弱散射点.基于扩展型组LASSO系列模型的算法虽可增强SAR结构特征以保留弱散射点,但由于其增强过程中本质上采用了欧式距离方法进行特征分块,致使分块较为“机械”,不能很好地提取目标结构,从而影响最终高分辨SAR成像质量.针对上述问题,提出一种基于形态学自适应分块的交替
与传统单平台机载雷达相比,无人机(unmanned aerial vehicle,UAV)集群协同探测具有探测范围广、探测精度高、布阵机动灵活等突出优势,因此是未来机载预警雷达发展的重要方向之一.由于UAV集群雷达阵列具有大尺寸、超稀疏孔径,因此雷达回波近似为球面波且具有较强近场效应.本文首先推导了UAV集群稀疏阵列在近场条件下的空时信号模型,然后基于目标回波的近场特性提出一种新的距离解模糊方法.针对任一距离门数据,该方法利用不同模糊距离回波空时导向矢量的差异性,设计多个空时权系数进行杂波抑制和目标匹配,