敌人位置的实时信息能够改变作战行动的结果。使用联网士兵在战场物联网(IoBT)上收集的此类信息对于创建态势感知(SA)和规划有效的战争战略非常有益。

印度维斯瓦拉亚国家理工学院介绍了一种新颖的敌人定位方法,该方法使用士兵自己的位置和他们的枪声方向。硬件原型已经开发出来,它使用三角测量法在两个士兵和单个敌人场景中进行敌人定位。在该原型测试期间观察到平均定位误差为4.24±1.77m,射击方向误差为±4°。在必要的假设下,使用针对多个士兵和多个敌人场景的三阶段软件模拟进一步扩展了该基本模型。提出了有效的算法,通过分析后续拍摄意图(即帧)的组来区分鬼影和真实预测。模拟的第一阶段测试了四种不同的复杂场景,在相对简单的情况下准确定位敌人需要大约三到六帧,复杂情况需要九帧。枪声方向±4°内的随机误差包含在模拟的第二阶段,对于类似的四种情况,这需要几乎两倍的帧数。随着帧数的增加,所提出算法的准确性提高,并且观察到更好的鬼点消除。在第三阶段,实现了两种传统的聚类算法来验证所提出的工作。对比分析表明,与其他算法相比,所提出的算法速度更快、计算简单、一致且可靠。作者讨论了针对各种场景的硬件和软件结果的详细分析。

成为VIP会员查看完整内容
53

相关内容

军事防务数据板块介绍:系统化采集、存储、管理、分析与军事国防安全相关信息的专用数据板块,其核心在于整合全球新兴国防技术(军事人工智能、无人系统等)、热点案例(俄乌战争、美以伊战争)等方面的最新时讯、研究报告/论文、条令法规、案例分析,为战略研判、情报分析、决策支持等提供知识支撑。
【AI+军事】附PPT 《让作战实验室为多域作战做好准备》
专知会员服务
91+阅读 · 2022年4月17日
专知会员服务
66+阅读 · 2021年8月1日
专知会员服务
16+阅读 · 2021年5月21日
软件多缺陷定位方法研究综述
专知
2+阅读 · 2022年1月25日
Pathdreamer:室内导航的世界模型
TensorFlow
3+阅读 · 2021年10月22日
《pyramid Attention Network for Semantic Segmentation》
统计学习与视觉计算组
44+阅读 · 2018年8月30日
OCR技术浅析
机器学习研究会
40+阅读 · 2017年12月8日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
VIP会员
最新内容
ICML 2026 | SARDI:扩散语言模型的自增强检索
专知会员服务
0+阅读 · 今天14:33
长时程具身智能安全综述:机器人操作的跨层分析
《国防领域安全采用大语言模型的战略蓝图》
专知会员服务
2+阅读 · 今天13:55
ICML 2026 | 演化选择的因果建模
专知会员服务
4+阅读 · 6月5日
综述|学习式3D表征最新进展与趋势
专知会员服务
4+阅读 · 6月5日
人工智能重塑威慑:算法优势的兴起
专知会员服务
7+阅读 · 6月5日
AgentOps综述:智能体系统运维框架
专知会员服务
16+阅读 · 6月4日
《美陆军最新条令:兵力防护》
专知会员服务
13+阅读 · 6月4日
相关VIP内容
【AI+军事】附PPT 《让作战实验室为多域作战做好准备》
专知会员服务
91+阅读 · 2022年4月17日
专知会员服务
66+阅读 · 2021年8月1日
专知会员服务
16+阅读 · 2021年5月21日
相关资讯
软件多缺陷定位方法研究综述
专知
2+阅读 · 2022年1月25日
Pathdreamer:室内导航的世界模型
TensorFlow
3+阅读 · 2021年10月22日
《pyramid Attention Network for Semantic Segmentation》
统计学习与视觉计算组
44+阅读 · 2018年8月30日
OCR技术浅析
机器学习研究会
40+阅读 · 2017年12月8日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
3+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员