地面运动装甲目标声震信号精细化特征提取与智能识别技术研究

In modern warfare, the battlefield environment is increasingly complicated. The combined effects of diverse factors increases the technical difficulty of accurate identification of moving armored vehicles by wide-area guard ammunition(WAGA) systems. Traditional detection means, recognition accuracy and efficiency cannot meet the actual demand any more. In order to significantly improve the accuracy and reliability of the target identification system of WAGA, enhance the anti-jamming ability and adaptability to the environment of target identification, on the basis of analyzing the basic characteristics of acoustic signals and the response/propagation characters of vibration signals( radiated by armored vehicles), the preprocessing technology research of the acoustic and vibration signals of armored vehicles would be carried out systematically; A refined descriptive model on nonlinear feature, 2nd generation wavelets feature and mathematical morphology feature of the signals would be established. Considering the diverse and complicated interference factors in battlefield environment, the intelligent identification system for armored vehicles would be built based on data fusion technology of acoustic and vibration signals and adaptive neural fuzzy inference (ANFI) algorithm. The research results can be applied into the WAGA directly, including smart landmines, which will improve the recognition rate and reliability of our smart ammunitions. Meanwhile, the research achievements could promote the technology of multi-sensor target recognition within a complex environment in other industries, which has an important significance and application value.

现代战争的战场环境日趋恶劣，多样化因素的综合影响增大了广域值守弹药系统对地面运动装甲目标精确识别的技术难度。传统的探测手段、识别准确率和效率已不能满足实际需求。为显著提高广域值守弹药系统对目标识别的准确度和可靠性，增强系统的抗干扰能力和环境适应能力，在地面运动装甲目标辐射声信号基础特性及地面震动波传播及响应特性分析的基础上，系统开展典型运动装甲目标声、震测试信号预处理技术研究，建立基于非线性特征、二代小波族特征及数学形态特征的典型地面运动装甲目标声、震测试信号的精细化描述模型，并在此基础上考虑到战场环境下的复杂干扰因素，构建基于声震数据融合技术和自适应神经模糊推理算法的目标智能识别系统。研究成果可直接运用于包括智能地雷在内的广域值守弹药系统中，提高我军智能武器的目标识别率和可靠性，同时对其它行业内复杂环境下多传感器目标识别技术的提高也具有重要意义和推广应用价值。

对地面运动装甲目标的准确探测与识别，是广域职守弹药发展中面临的关键技术问题。仅依靠某单一类型信号的特征信息进行目标识别的方法，实际应用表明其局限性较大、识别率不高且易受干扰，所以基于多元信号特征融合技术是地面运动装甲目标识别的发展方向。针对这些问题和需求，本课题对地面运动装甲目标声震信号精细化特征提取和智能识别技术进行了深入研究。.通过理论分析、数字仿真、算法研究与实验验证相结合的系统研究方法，基于大量实测试验数据，对坦克、轮式装甲车等典型运动装甲目标的声、震信号基本特性进行了系统性分析，在此基础上分别建立了目标声、震源模型，对目标声、震信号的产生、传播和衰减机理及影响因素进行了仿真和系统研究。.系统开展了装甲目标测试信号预处理研究，在对低频趋势项去除、高频噪声分量滤除方面，取得了良好效果。深入研究了地面运动装甲目标测试信号的非线性特征和数学形态学特征，基于广义分形维数、形态小波特征值，以及最大Lyapunov指数等组成的32维特征向量集，建立了目标特征信息的精细化提取模型。.最后考虑进复杂战场环境下的干扰因素，基于卷积深度学习神经网络模型，结合模糊推理算法和D-S证据理论，提出了基于声震信息融合的深度卷积神经网络地面目标智能化识别模型，并通过测试样本验证了模型的有效性，对履带装甲车辆和轮式装甲车辆的识别率分别达到94%和96%。.本课题的研究成果中，针对目标声、震模型开发的仿真软件，可为地面目标声、震物理场基础特性研究提供基础平台；对目标声震信号的非线性特征和形态学特征的提取方法，可以推广至其他相关目标声源、震源的特征提取研究。建立的智能识别模型，可直接运用于智能地雷、区域封锁武器等广域地面值守弹药系统，提高智能武器目标识别率和可靠性，同时对其它行业内复杂环境下多传感器目标识别技术的提高也具有重要意义和推广应用价值。