共查询到19条相似文献,搜索用时 609 毫秒
1.
在“零伤亡”作战思想的指引下,随着计算机、人工智能等技术的日臻成熟,无人机的发展风起云涌。近年来,无人机在战术运用方面更是突破了传统的侦察领域,逐步涉足攻击甚至电子攻击等领域。通过回顾无人机在近代历次军事冲突中的运用,分析无人机运用于电子战的优势,探讨无人机在电子战中的运用及可能的运用情况,最后指出无人机运用于电子战后对未来电子战的影响。 相似文献
2.
3.
4.
5.
6.
7.
本文就现代战争中电子战已成为决定战争胜负的关键因素这一高技术条件下的理论问题作一探讨,并针对战争的特点,电子战的现状与未来,以及C~3I系统等强调现代局部战争中电子战的重要性。 相似文献
8.
9.
10.
本文就现代战争中,电子战已成为决定战争胜负的关键因素.这一高技术条件下的理论问题作一探讨,并针对战争的特点,电子战的现状与未来,以及C^3I系统等,强调现代局部战争电子战的重要性.谁掌握了电子战的主动权.谁将赢得战争的胜利。 相似文献
11.
机载有源雷达干扰系统是现代飞机一种辅助电子对抗系统,根据其功能可分为支援干扰系统和自卫干扰系统,其中支援干扰系统装在专用电子战飞机上,自卫干扰系统装在作战飞机吊舱上.主要论述国外机载电子干扰吊舱的构成、装载平台、技术现状及发展. 相似文献
12.
无人机分布式干扰是对抗新型防空雷达的有效手段,在电子对抗领域扮演着越来越重要的角色。基于雷达探测距离模型和干扰方程,建立了无人机分布式干扰下的雷达暴露区计算模型。通过仿真计算,得出了不同干扰条件下雷达探测区域的变化和特点,分析了分布式无人机压制干扰敌防空雷达系统的有效性。 相似文献
13.
电子战环境中防空武器抗击能力分析 总被引:3,自引:0,他引:3
以电子战环境为作战背景,具体分析了敌军实施电子战的作战样式,并用模糊数学的方法对其进行了量化评估,在此基础上对一般的防空武器抗击能力模型进行了完善,建立了评价防空武器在电子战环境中抗击能力的模型。 相似文献
14.
在高技术条件下的电子战中雷达发挥了很重要的作用。为了保存自己,消灭敌人,越来越多的武器系统采用高精度的雷达系统来发现目标,同时越来越多的武器系统采用高科技的隐身技术来避免被敌方雷达发现。分别从空域、频域、时域介绍了现代雷达干扰和抗干扰技术,分析了现代战争中夺取信息权的一些手段和方法。 相似文献
15.
阐述了海军区域综合电子信息系统的组成部分及其概念内涵.根据现代海战的基本特点,论证了现代海战对区域综合电子信息系统的作战需求,论述了光电装备技术在区域综合电子信息系统中的应用. 相似文献
16.
17.
《防务技术》2020,16(1):263-273
Electronic warfare is a modern combat mode, in which predicting digital material consumption is a key for material requirements planning (MRP). In this paper, we introduce an insensitive loss function (ε) and propose a ε-SVR-based prediction approach. First, we quantify values of influencing factors of digital equipments in electronic warfare and a small-sample data on real consumption to form a real combat data set, and preprocess it to construct the sample space. Subsequently, we establish the ε-SVR-based prediction model based on “wartime influencing factors - material consumption” and perform model training. In case study, we give 8 historical battle events with battle damage data and predict 3 representative kinds of digital materials by using the proposed approach. The results illustrate its higher accuracy and more convenience compared with other current approaches. Taking data acquisition controller prediction as an example, our model has better prediction performance (RMSE = 0.575 7, MAPE (%) = 12.037 6 and R2 = 0.996 0) compared with BP neural network model (RMSE = 1.272 9, MAPE (%) = 23.577 5 and R2 = 0.980 3) and GM (1, 1) model (RMSE = 2.095 0, MAPE (%) = 24.188 0 and R2 = 0.946 6). The fact shows that the approach can be used to support decision-making for MRP in electronic warfare. 相似文献
18.