XiaoMi-AI文件搜索系统
World File Search System战斗识别
用于战斗识别融合的多假设结构、分类法和战术要素识别
用于战斗识别融合的多假设结构、分类法和战术要素识别 Tod M. Schuck、J. Bockett Hunter 洛克希德马丁海事系统和传感器 PO Box 1027 199 Borton Landing Road Building 13000 – Y202 Moorestown，NJ 08057-0927 856-638-7214 tod.m.schuck@lmco.com ，john.hunter@lmco.com Daniel D. Wilson 洛克希德马丁海事系统和传感器 One New England Executive Park Burlington，MA 01803 781-272-6787 daniel.d.wilson@lmco.com 摘要 开发融合过程的最大困难之一是确定所提供信息的类型、数量和质量。即使完成了这一点，信息的效用（关系）也常常难以确定。对于战斗识别 (Combat ID 或 Combat ID ) 问题来说，这尤其令人费解。通常，许多来源都提供信息，但关系指南尚未完善，或者含糊不清或不一致。这种缺陷导致融合架构和方法构建不良，因为信息在融合过程中要么被忽略，要么组合不当。以联合实验室主任 (JDL) 信息融合模型为指导，本文将讨论跨多个假设类别的属性信息移动，因为它与开发不同对象的识别有关，以及如何在 JDL 融合级别内和级别之间组合它。这种分析的结果将导致一种信息架构，无论信息的质量、级别或特异性如何，它都能自然适应信息。这种完整的战斗 ID 架构必须能够促进各个级别的广泛信息。在本文中，我们提供了分类法、多种假设和战术元素识别的示例，以说明相关问题并提出架构模型。此外，当边缘单位获得可识别的“战术要素”级别的战斗 ID 信息并据此做出决策时，这种架构的实施可能有助于边缘决策方法的力量。
用于战斗识别融合的多假设结构、分类法和战术要素识别
用于战斗识别融合的多假设结构、分类法和战术要素识别 Tod M. Schuck、J. Bockett Hunter 洛克希德马丁海事系统和传感器 P.O.Box 1027 199 Borton Landing Road Building 13000 – Y202 Moorestown, NJ 08057-0927 856-638-7214 tod.m.schuck@lmco.com , john.hunter@lmco.com Daniel D. Wilson 洛克希德马丁海事系统和传感器 One New England Executive Park Burlington, MA 01803 781-272-6787 daniel.d.wilson@lmco.com 摘要 开发融合过程的最大困难之一是确定所提供信息的类型、数量和质量。即使做到了这一点，信息的效用（关系）也常常难以建立。对于战斗识别（Combat ID 或 Combat ID）问题，这尤其费力。通常，许多来源提供信息，但关系指南尚未完善，或者含糊不清或不一致。这种缺陷导致融合架构和方法构建不良，因为信息在融合过程中被忽略或组合不当。使用联合实验室主任 (JDL) 信息融合模型作为指导，本文将讨论跨多个假设类别的属性信息移动，因为它与开发不同对象的识别有关，以及如何在 JDL 融合级别内和之间进行组合。这种分析的结果将导致一种信息架构，无论质量、级别或特异性如何，它都能自然适应信息。这样一个完整的战斗 ID 架构必须能够促进各个层面的广泛信息。在本文中，我们提供了分类法、多种假设和战术元素识别的示例，以说明相关问题并提出架构模型。此外，当为边缘单元提供可识别的“战术元素”级别的战斗 ID 信息并为其做出决策时，这种架构的实施可能会促进边缘决策方法的强大性。
用于战斗识别融合的多假设结构、分类法和战术要素识别
用于战斗识别融合的多假设结构、分类法和战术要素识别 Tod M. Schuck、J. Bockett Hunter 洛克希德马丁海事系统和传感器 PO Box 1027 199 Borton Landing Road Building 13000 – Y202 Moorestown，NJ 08057-0927 856-638-7214 tod.m.schuck@lmco.com ，john.hunter@lmco.com Daniel D. Wilson 洛克希德马丁海事系统和传感器 One New England Executive Park Burlington，MA 01803 781-272-6787 daniel.d.wilson@lmco.com 摘要 开发融合过程的最大困难之一是确定所提供信息的类型、数量和质量。即使完成了这一点，信息的效用（关系）也常常难以确定。对于战斗识别 (Combat ID 或 Combat ID ) 问题来说，这尤其令人费解。通常，许多来源都提供信息，但关系指南尚未完善，或者含糊不清或不一致。这种缺陷导致融合架构和方法构建不良，因为信息在融合过程中要么被忽略，要么组合不当。以联合实验室主任 (JDL) 信息融合模型为指导，本文将讨论跨多个假设类别的属性信息移动，因为它与开发不同对象的识别有关，以及如何在 JDL 融合级别内和级别之间组合它。这种分析的结果将导致一种信息架构，无论信息的质量、级别或特异性如何，它都能自然适应信息。这种完整的战斗 ID 架构必须能够促进各个级别的广泛信息。在本文中，我们提供了分类法、多种假设和战术元素识别的示例，以说明相关问题并提出架构模型。此外，当边缘单位获得可识别的“战术要素”级别的战斗 ID 信息并据此做出决策时，这种架构的实施可能有助于边缘决策方法的力量。
战斗识别
回报。使用武器需要确定敌方身份。美国空军增强型识别和传感激光雷达 (ERASER) ATD 旨在通过使用主动激光技术改进空中和地面目标的机载识别过程。该计划的努力将集中在将 ERASER 激光和信号处理技术集成到试验机上进行飞行演示。ERASER 提供的目标 ID 将补充来自作战人员整体 ID 套件的其他 ID 源。ERASER 将结合为地面目标 ID 开发的 2D 激光成像技术和 CID 算法。美国空军还将使用合成孔径和高距离分辨率技术来提高空对地雷达成像 (AGRI) 战术雷达 ID 能力。海军打算开发一种综合 CID 能力，利用多种目标信息源（合作和非合作）。除了空军正在实施的 ERASER 和 AGRI 方法外，还有针对其他传感器模式（被动和主动）的相关自动目标识别 (ATR) 程序正在研究中；特别是替代合成孔径雷达 (SAR) ATR、特定发射器识别、精密电子支持测量和固态激光振动传感。美国海军非合作空中目标识别计划将演示基于多普勒的成像过程，以提供空中目标类别估计。美国海军沿海监视/移动目标识别计划将提供小型舰艇成像的演示。美国海军激光 CID 项目采用激光测振、高距离分辨率 1D 剖面、2D 轮廓提取以及依赖于优化激光源照射时独特目标反射率特性的技术。根据此 DTO，表面目标 ID 的退出标准是声明概率为 85%，识别置信概率为 98%。
战斗识别
回报。使用武器需要准确识别敌方目标。美国空军增强型识别和传感激光雷达 (ERASER) ATD 旨在通过使用主动激光技术改进空中和地面目标的机载识别过程。该项目将集中于将 ERASER 激光和信号处理技术集成到试验机上进行飞行演示。ERASER 提供的目标识别将补充作战人员整体识别套件中的其他识别源。ERASER 将结合为地面目标识别开发的 2D 激光成像技术和 CID 算法。美国空军还将使用合成孔径和高距离分辨率技术改进空对地雷达成像 (AGRI) 战术雷达识别能力。海军打算开发一种利用多种目标信息源（合作和非合作）的复合 CID 能力。除了空军正在实施的 ERASER 和 AGRI 方法外，还有针对其他传感器模式（被动和主动）的相关自动目标识别 (ATR) 计划正在研究中；特别是替代合成孔径雷达 (SAR) ATR、特定发射器识别、精密电子支持测量和固态激光振动传感。美国海军非合作空中目标识别计划将演示基于多普勒的成像过程，以提供空中目标类别估计。美国海军沿海监视/移动目标识别计划将提供小型飞机成像的演示。美国海军激光 CID 项目使用激光测振、高距离分辨率 1D 剖面、2D 轮廓提取和依赖于优化激光源照射时独特目标反射率特征的技术。根据此 DTO，表面目标 ID 的退出标准是声明概率为 85%，识别置信概率为 98%。