-
公开(公告)号:CN114490061B
公开(公告)日:2024-10-29
申请号:CN202210084395.2
申请日:2022-01-25
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明提供一种基于语义威胁模型的无人机通信干扰任务生成方法,通过已有的有/无人单元活动语义数据,解析敌方局域通信网网络拓扑结构的演化规律和模式,将无人机的实时通信行为与地面单位的行为活动进行语义层面的关联融合,实现对态势的立体评估,及时发现敌重要通信节点。之后结合己方任务行动规划,以语义形式生成对敌方目标区域的通信干扰候选任务需求,进而支持指挥决策人员快速做出通信干扰决策,压制敌方通信。
-
公开(公告)号:CN116820121A
公开(公告)日:2023-09-29
申请号:CN202310544444.0
申请日:2023-05-15
Applicant: 哈尔滨工业大学(深圳) , 中国电子科技集团公司第五十四研究所
IPC: G05D1/10
Abstract: 本发明公开了一种无人机群体联合侦查策略生成方法及终端,方法包括:对待侦察区域的地图进行网格划分,并构建所有网格的概率信息集合;根据信息熵理论计算无人机群侦测形成的概率矩阵;根据历史启发算法计算区域地图网格的权重矩阵;根据概率矩阵对应的信息熵与权重矩阵中各权重的乘积计算得到对应的加权信息熵;选取加权信息熵满足预设条件的多个位置进行感知,通过调集可控数量的无人机,对带有侦查优先级的多个位置展开侦查;其中,多个位置的数量适配无人机群的当前规模。本发明可以做出满足全局最优的合理侦查决策,从而使无人机群体协同侦察更加具有自主性、灵活性、准确性、高效性,提高了多无人机协同执行任务的效率。
-
公开(公告)号:CN116385510A
公开(公告)日:2023-07-04
申请号:CN202310359767.2
申请日:2023-04-06
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于双向风格迁移的光学和SAR影像自动配准方法,属于遥感影像智能处理技术领域。本发明首先通过CycleGAN风格迁移网络将光学和SAR影像转化为伪SAR和伪光学影像,实现异源影像的同质化,随后采用SIFT分别对光学和SAR影像和转化后伪SAR和伪光学影像分别提取特征点集合,得到待配准光学影像的特征点集合和待配准SAR影像的特征点集合,接着提取光学混合描述子和SAR混合描述子,计算混合描述子近似度,对特征点集合进行筛选,最后通过RANSAC外点滤除获取匹配特征点对,完成光学与SAR的配准。本发明可实现光学和SAR影像的自动化配准。
-
公开(公告)号:CN114996334A
公开(公告)日:2022-09-02
申请号:CN202210924144.0
申请日:2022-08-03
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/2458 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明提供一种基于数据回放的情报分析增量学习方法,属于情报分析领域。本发明面向提升深度学习模型对因事态发展而不断得到的新情报进行高效学习、避免模型因为学习了新的情报而导致遗忘历史情报信息的需求,针对现有增量学习方法无法做到与专家知识进行有效融合的不足,研究基于改进生成对抗网络的数据生成技术,突破了数据生成的多样性与真实性瓶颈,为增量学习提供高质量的数据样本。本发明研究深度学习网络的增量学习方法,重点突破目标复杂的动态变化实时数据,通过基于数据回放的增量学习等方法将出现的实时数据信息及时更新到深度网络模型中,达到为情报研判人员进行决策提供支持效果。
-
公开(公告)号:CN114595770A
公开(公告)日:2022-06-07
申请号:CN202210232770.3
申请日:2022-03-09
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明提供一种船舶轨迹的长时序预测方法。该方法首先对航迹数据进行预处理;然后,使用K‑means算法对航迹数据进行轨迹聚类,得到船舶运动行为模式集合;其次,基于船舶运动行为模式相似性匹配构建训练与测试样本,搭建改进pix2pix网络模型并进行迭代训练;最后,将需要预测的船舶轨迹以及其匹配轨迹信息输入上述训练好的网络中,得到船舶轨迹长时序预测结果。本发明可有效解决船舶轨迹在长时序预测中存在的误差积累及效率较低等问题,有效实现船舶轨迹长时序、高精度、高效率的预测。
-
公开(公告)号:CN114139550B
公开(公告)日:2022-05-06
申请号:CN202210116918.7
申请日:2022-02-08
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明提供一种基于活动语义文本消息的态势智能认知方法,属于对抗语义态势认知领域。通过解析描述态势要素的行为状态语义消息数据,抽取其中蕴含的深层态势语义并在语义层,实现对抗态势信息的深度融合。在结合相关知识的基础上,构造对抗中典型目标典型行为活动的语义表达模式,并在此基础上对对抗局势的演化趋势进行语义推理,构建全局对抗态势的智能认知模型,借助构建的态势认知模型输出意图识别、威胁评估等态势认知语义结果,辅助指挥决策人员对全局态势的快速、深度、全面的理解。
-
公开(公告)号:CN114139499A
公开(公告)日:2022-03-04
申请号:CN202210116917.2
申请日:2022-02-08
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F40/126 , G06F40/30
Abstract: 本发明提供一种基于TSS编码的态势文本消息语义压缩编码方法,属于语义态势文本消息压缩编码领域,根据态势文本消息中蕴含的时间要素、空间要素、语义要素进行编码。针对待压缩的态势文本语义消息,抽取其中的关键语义要素内涵,之后,针对其中态势语义要素,首先根据各类文本消息涉及的对抗应用领域,构建态势语义要素编码方案库和编码方案贝叶斯决策模型,借助构建的编码方案选择模型对进行语义压缩编码;针对时间语义要素,构建两级编码策略,分别对时间基准与时间差值进行编码;针对空间语义要素,构建多层级空间地址语义体系,对经纬度、地名等多种不同表达方式的空间语义进行空间映射编码。本发明可以去除冗余数据,减少传输数据量。
-
公开(公告)号:CN112182131B
公开(公告)日:2021-11-09
申请号:CN202011037613.4
申请日:2020-09-28
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/29 , G06F16/58 , G06F16/583 , G06F16/587 , G06F16/9536
Abstract: 本发明公开了一种基于多属性融合的遥感影像推荐方法,属于遥感影像智能推荐分发技术领域。本发明首先对遥感用户的职责信息、订购信息以及遥感影像的属性信息进行多维度知识图谱建模,通过对上述知识图谱分别进行嵌入表示,获取用户职责嵌入向量、用户订购嵌入向量、影像订单嵌入向量、影像属性嵌入向量,并对遥感影像进行目标检测、地物分类等语义信息抽取,获取影像地物占比向量,有效解决了遥感领域推荐过程中用户和影像的信息表示方法的问题。随后,本发明采用了基于多属性融合的协同过滤推荐网络,借助神经网络的高维度空间建模能力实现多维度输入的融合,将处于不同空间的各类输入向量嵌入到统一的向量空间中,能够达到较好的配对推荐效果。
-
公开(公告)号:CN116820121B
公开(公告)日:2024-06-11
申请号:CN202310544444.0
申请日:2023-05-15
Applicant: 哈尔滨工业大学(深圳) , 中国电子科技集团公司第五十四研究所
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人机群体联合侦查策略生成方法及终端,方法包括:对待侦察区域的地图进行网格划分,并构建所有网格的概率信息集合;根据信息熵理论计算无人机群侦测形成的概率矩阵;根据历史启发算法计算区域地图网格的权重矩阵;根据概率矩阵对应的信息熵与权重矩阵中各权重的乘积计算得到对应的加权信息熵;选取加权信息熵满足预设条件的多个位置进行感知,通过调集可控数量的无人机,对带有侦查优先级的多个位置展开侦查;其中,多个位置的数量适配无人机群的当前规模。本发明可以做出满足全局最优的合理侦查决策,从而使无人机群体协同侦察更加具有自主性、灵活性、准确性、高效性,提高了多无人机协同执行任务的效率。
-
公开(公告)号:CN116125421B
公开(公告)日:2023-10-20
申请号:CN202310073357.1
申请日:2023-02-07
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G01S7/41
Abstract: 本发明属于雷达目标探测应用技术领域,公开了一种基于深度学习的阵列雷达多回波信号目标检测方法,首先构建阵列雷达多目标探测多信噪比数据集并提取频域特征矩阵集,随后设计一种阵列雷达信号融合神经网络,其中密集卷积核群可以学习阵列雷达多信号间频域特征之间的相位偏移特性,实现多信号间的纠正和融合,并采用多卷积核融合提取网络和全连接分类网络,提取叠加增强后信号中目标特征并进行分类。通过采用频域特征矩阵集训练阵列雷达信号融合神经网络得到训练完毕的网络模型。对待检测阵列雷达探测信号进行频域特征矩阵提取并通过网络模型进行目标检测,判断待检测阵列雷达探测信号中是否存在目标,完成目标检测,提高了目标检测精度。
-
-
-
-
-
-
-
-
-