针对认知电子战装备面临的作战场景复杂多样、真实数据难以获取、实战训练成本高昂等问题,为满足认知电子战系统方案论证、关键技术研究需求,将人工智能技术与系统仿真技术相结合,通过建立认知电子战装备及其典型作战对象的信号级模型,以及模拟电子战装备与作战对象在复杂电磁环境下的信息交互过程,构建面向未来战场认知对抗的学习训练与仿真评估系统。本文对系统的功能、体系结构、工作流程和关键模块/模型等方面进行了详细介绍,并对系统应用实例进行了分析。从应用效果看,系统可为认知电子战的智能算法模型训练、装备作战能力仿真试验评估提供研究手段。
认知电子战 信号级仿真 学习训练 仿真评估 系统设计 cognitive electronic warfare signal level simulation learning and training simulation evaluation system design 太赫兹科学与电子信息学报
2022, 20(2): 133
为了快速准确地自动提取和识别海面舰船疑似目标, 为舰船目标精检测提供可信的数据基础, 采用了二值化特征进行舰船目标粗检测, 并根据舰船窄而长的几何特征提出了改进算法, 按照舰船目标不同的方向分别进行模板训练。实验表明, 二值化特征可以有效地提取疑似舰船目标, 并且改进算法可以在提取窗口数相同时, 提高查全率, 更利于进一步的精检测。
光学遥感图像 舰船检测 学习训练 目标特征模型 optical remote sensing image ship detection training object feature model
福州大学物理与信息工程学院, 福建 福州 350116
为了将功能强大的神经网络应用到连续变量量子信息处理中,需要建立连续变量的量子 神经网络(QNN)模型。以相干态量子逻辑门为基元,基于QNN原理构建了由输入层、隐藏层和输出 层组成的量子线路,实现了连续变量相干态量子神经网络(CSQNN)功能。模型通过多控CNOT门 实现量子态操作,利用相位旋转门完成网络参数的学习训练。仿真结果表明在CSQNN辅助下,阻 尼系数为0.5的振幅阻尼信道的量子隐形传态保真度显著提高,趋近1, 说明提出的CSQNN模型能 有效处理连续变量量子信息。
量子信息 量子神经网络 学习训练 连续变量 量子隐形传态 quantum information quantum neural network learning training continuous-variable quantum teleportation