房安琪，李 蓉

(西安机电信息技术研究所，陕西 西安 710065)

0 引言

现代战争中，大规模杀伤武器库、地下指挥中心、多层建筑物、导弹发射井、飞机掩体等高价值目标的防护能力大幅增强，建筑物内部结构变化多样[1]，作为打击这类硬目标的侵彻弹药动能也在不断提高，在高速侵彻多层硬目标时，侵彻弹内部的加速度传感器获取的过载中叠加了大量高频振荡信号，导致层与层之间彼此粘连，计层算法准确率下降甚至失效[2]。如何对多层粘连过载信号实现准确计层一直是国内外研究的热点，目前的层识别研究主要集中在信号处理方面。如基于幅值识别的计层方法，该算法简单易实现，但对高速侵彻和复杂结构多层目标及宽速度范围的适应性不足。利用小波变换提取过载信号的小波系数[3]，匹配滤波提取过载信号的包络等方法相较于幅值识别算法进一步提高了计层的准确性，但需要计算多个中间过程，且在一定程度上依赖先验参数，需针对不同战斗部、不同靶板、不同工况设置不同阈值。文献[4]采用时频分析法研究弹体主轴方向加速度信号的Choi-Williams能量分布特征，提出以侵彻过程加速度信号的能量分布为依据的层识别方法。文献[5]利用短时傅里叶变换对过载信号进行处理，通过分析频率成分及梯度提取完成层识别。这两种方法对复杂信号的识别能力较为精准，但均为事后分析非实时处理，难以应用到硬件电路。

本文针对此问题，提出基于数据增强的侵彻引信准确层识别神经网络方法。……