中国电波传播研究所, 山东青岛 266071中国人民解放军 31007部队, 北京 100000
通信语音干扰效果评估, 是指对语音通信系统接收的受扰语音信号进行分析, 确定语音信号被干扰程度的技术。准确地评估干扰效果是研制通信对抗设备、评估电子对抗态势以及了解通信质量等活动的重要依据。针对超短波通信干扰系统, 提出了基于梅尔频率倒谱系数 (MFCC)特征、小波统计特征和感知特征的统计测度, 结合最小二乘、反向传播(BP)神经网络以及支持向量回归 (SVR)拟合回归模型的评估系统, 其预测值和主观评估值的相关系数达到 0.9以上, 保障了该干扰评估系统的实用性。研究了基于深度学习的无参考评估方法, 并利用实测数据验证了其有效性, 准确率达到了 87%, 高于多测度融合评估方法。
机器学习 深度神经网络 语音质量评估 干扰效果评估 machine learning Deep Neural Network(DNN) speech quality assessment jamming effect evaluation 太赫兹科学与电子信息学报
2023, 21(10): 1217
1 航天工程大学 士官学校, 北京 昌平 102200
2 中国人民解放军63713部队, 山西 岢岚 101416
介绍了一种基于弹道的多参数光学测量设备跟踪效果评估系统。阐述了目标脱靶量判读原理和判读方式; 设计了跟踪效果评估系统的结构, 包括图像判读模块、跟踪效果评估模块、结果显示模块三部分; 研究确立了目标跟踪效果评估模型, 包括弹道难度、跟踪误差、跟踪平稳程度、设备视场、跟踪时长等五个参数。系统首先对光学测量设备获取的任务视频图像进行判读处理, 然后将判读后的数据传送至跟踪效果评估模块进行处理分析, 根据分析评估模型的得分情况进行跟踪效果评判, 最后进行了系统试验, 试验表明系统能够对跟踪情况进行科学评估。
光学测量设备 跟踪效果评估 判读原理 弹道难度 跟踪误差 optical measurement equipment tracking effect evaluation interpretation principle trajectory difficulty tracking error
随着我军装备国产化步伐的加快，需要对国产核心电子器件的应用效果进行评估，以推动国产核心电子器件在我军装备中的工程应用。首先介绍了开展国产红外探测器应用效果评估的背景及必要性，然后详细描述了国产红外探测器在器件级、模块级、设备级和系统级的应用效果评估方法，最后通过分析论证对国产红外探测器在机载系统中的应用效果进行了科学评价。该方法可牵引国产红外探测器的优化改进，以支撑我军装备承制单位的综合保障及可靠性设计工作。
应用效果评估 红外探测器 机载 application effect evaluation infrared detector airborne
1 火箭军工程大学, 西安 710000
2 中国人民解放军96922部队, 辽宁 大连 116000
针对激光诱偏干扰装备在实装对抗训练中缺少合理、可行干扰效果评估方法的问题, 根据激光诱偏干扰效果评估方法需要解决的3个主要问题--相应的干扰效果评估准则、合适的被干扰对象、可行的干扰效果试验方法, 提出了引偏角干扰效果评估准则, 确定了以激光导引头模拟器为核心的激光半主动制导导弹模拟系统作为被干扰对象, 改进了地面模拟干扰效果试验, 最后通过试验验证了基于引偏角评估准则的改进地面模拟评估方法的可行性。
激光诱偏干扰 干扰效果评估 评估准则 被干扰对象 试验 laser decoy jamming jamming effect evaluation evaluation criteria disturbed object experiment
针对激光干扰效果评估受主观经验较大、难以定量评估的问题，提出了一种基于深度学习的激光干扰效果评估方法。首先，对YOLOV5算法进行了整体介绍，其次制作了来自不同角度、不同距离的3 020张激光干扰图像；然后，对标注的数据集进行训练，得到了激光干扰效果评估模型；最后，分别在YOLOV5x、YOLOV5l、YOLOV5m、YOLOV5s网络模型下训练300次，实验验证了模型的正确性。实验结果表明：利用训练好的模型实现了对激光干扰图像的效果评估，该模型不仅可以自动标注激光干扰区域和进行干扰效果等级评估，同时还融入了传统策略，可以通过计算标注区域面积占整幅图像面积的大小作为辅助决策，实现自动标注激光干扰区域面积所占百分比，识别准确度在80%以上，对激光干扰效果评估具有重要意义。
激光干扰 效果评估 YOLOV5算法 深度学习 laser jamming effect evaluation YOLOV5 algorithm deep learning 红外与激光工程
2021, 50(S2): 20210323
针对非致命激光眩目器的眩目效果测量与评估的迫切需求，研制了一套激光眩目器眩目效果定量检测评估系统。该系统采用非生物定量测试手段，设计了由仿真人眼光学系统、视网膜模拟器、仿真眼球支撑装置组成的仿真人眼靶标，通过仿生人眼靶标可捕捉探测到类人眼效果的原始激光眩目图像，结合生物特征的CIE一般失能眩光方程，经过眩目效果测试评估软件处理后可对仿生眩目图像进行综合分析，最终得到激光眩目器的眩目效果的等级判定。系统的光谱分辨率为1 nm，工作波段为380~780 nm，环境光照测试范围为1×10-4~1×103 lx，激光眩目器照射至仿真人眼靶标处的可测试最大功率密度阈值为2 mW/cm2。最后，开展了大量与志愿者人眼眩目效果的对比试验，并应用于某系列警用激光眩目器的眩目效果测试中，为反恐防暴装备选型工作提供了多次考核评估试验。试验及应用结果表明，该系统解决了采用非生物手段对激光眩目生理效应进行定量测试的难题，并实现了非致命激光眩目器眩目效果的科学评估，为深入开展激光眩目器的眩目效应研究提供了支持。
激光眩目 定量检测 非致命 仿生模拟 效果评估 laser glare quantitative detection non-lethal bionic simulation effect evaluation
火箭军工程大学 兵器发射理论与技术国家重点学科实验室, 陕西 西安 710025
对于单张红外图像进行隐身效果评估, 需要考虑像素点间反映的图像相似特征信息, 而单一的相似性度量方法不能够全面准确地反映红外图像间相似性。在对单张红外图像均等分块的基础上, 综合考虑了基于图像灰度直方图法、方向梯度直方图特征法、结构相似度法和目标分类4种相似性度量方法的优点, 利用主成分分析法确定不同相似性度量方法的权重值, 提出了基于综合相似性度量的评估方法。通过各相似性度量方法间横向与纵向的对比, 分析不同遮挡情况下目标与背景图像间每种相似性度量方法的平均值和标准差。结果表明: 综合相似性度量能够更准确地反映图像间相似性信息, 更有效地处理单张红外图像隐身效果评估问题。
相似性 隐身效果评估 图像分类 主成分分析 similarity stealth effect evaluation image classification principal component analysis 红外与激光工程
2020, 49(1): 0104004
中国电子科技集团公司第二十期研究所, 郑州 450047
根据激光引偏干扰设备的工作原理和作战模式，设计了一种激光引偏干扰效果评估仿真试验系统。该系统能够真实地模拟激光半主动制导威胁，可配合激光引偏干扰设备完成干扰效果评估试验，对激光引偏干扰效果进行评估，为评价激光引偏干扰设备的干扰能力提供依据。
激光引偏 干扰效果评估 仿真试验系统 laser decoy jamming effect evaluation simulation test system
火箭军工程大学 导弹工程学院, 陕西 西安 710025
基于光学图像分析的目标伪装效果评估对于提高现役主战装备在战场上的生存能力有重要的指导意义, 是****领域中研究的热点问题之一。为了给目标探测与识别、伪装方案设计等相关领域研究学者提供参考, 对传统光学伪装效果评估模型、神经网络评估模型、基于人眼视觉注意机制模型以及多属性决策模型进行了介绍, 阐述了目前国内外典型评估方法的基本思路及应用, 分析了不同模型的特点和不足以及光学伪装效果评估面临的问题。在此基础上, 指出模型训练样本的获取和模型参数的自适应性以及运动目标伪装评估的时效性是未来伪装效果评估的研究重点。
兵器科学与技术 光学图像分析 伪装效果评估 armament science and technology optical image analysis camouflage effectiveness evaluation
火箭军工程大学 兵器发射理论与技术国家重点学科实验室, 陕西 西安 710025
在目标检测领域, 基于深度学习的SSD目标检测网络同时具有实时性好和准确性高两大优点。由于特种车辆红外图像难以获取, 以小轿车和公交车红外图像为研究对象, 构建了红外图像Pascal VOC数据集, 训练了SSD网络, 并利用训练好的网络检测了红外目标图像。结果表明, 红外目标的特征信息越多, 检测精度越高, 但红外图像中信息残缺的车辆存在“漏检”的问题。针对该问题, 通过添加“残缺窗口模块”优化数据集结构, 有效解决了车辆“漏检”问题, 同时目标整体的检测准确率也明显提升。将改进数据集后的红外目标检测结果作为评价指标, 能够较准确评估复杂背景下特种车辆红外隐身伪装效果。
深度学习 目标检测 红外数据集 效果评估 deep learning target detection infrared data set effect evaluation 红外与激光工程
2019, 48(11): 1104003
