非完备参数信号集中式检测新方法

在复合假设检验中,广义似然比检验(GLRT)和贝叶斯(Bayesian)方法是2个广泛应用的方法.研究了这2种信号检测方法在分布式传感器网络中非完备参数(波形已知但幅度未知)估计中的应用.验证了GLRT的性能并进行了改进,提出逼近的Bayesian检测器,并与精确Bayesian方法比较,得出逼近的Bayesian检测器总有闭表达式的结论.仿真结果表明,提出的方法与精确Bayesian方法具有相近的性能.     

基于舰艇导航的GPS对抗技术研究

随着GPS在舰艇上的广泛应用和导航战的提出,详细分析了导航战中舰艇GPS的电子对抗技术,最后提出了一些舰艇导航对抗的思路和方法.     

LVC仿真技术综述

建模与仿真已成为装备研制的重要手段。为了规范仿真测试系统的体系结构,提高模型及仿真的互操作性、可重用性和可组合性,首先分析了装备仿真测试对LVC仿真技术的需求,然后介绍了国外LVC仿真技术的现状、问题、解决方法和给我们的启示。最后提出了研究LVC仿真一体化体系结构技术的建议,包括需要研究的具体内容和相关的措施。     

信息隐藏在网络战中的运用

近年来，随着网络和多媒体技术的快速发展，信息隐藏技术成为信息安全领域的一个研究热点。首先综述了信息隐藏的基本概念和一般模型，进而分析了各种信息隐藏技术及其在网络战中的典型运用，最后展望了信息隐藏技术的发展方向和趋势。     

基于Stateflow的PERT网络仿真方法

介绍了基于Stateflow的PERT网络仿真方法,详细阐述了建模思路、建模步骤以及难点问题的解决方法,并对PERT网络实例进行了仿真。该方法容许工序的持续时间服从任意分布,而且可以考虑所有可能出现的关键路线。     

基于仿真的反导联合防御计划模型研究

针对弹道导弹防御作战时间紧、难度大的问题,提出预先启动联合防御计划作为战前优化预案.采用仿真的方法,建立联合防御计划的主要模型,研究了联合防御计划的生成流程.通过仿真试验,生成防御计划,可以达到对资源的优化配置,提高整体作战效能,对发展高效能导弹防御系统具有一定的参考价值.     

新一代人工智能在国防科技领域发展探讨

新一代人工智能技术已经成为当前研究的重点和热点，并逐渐成为提升国防力量、军事能力和国家竞争力的有效途径。本文在总结人工智能概念的基础上，给出了新一代人工智能的定义和发展的重要意义，从掌握未来战争主动权、支撑军工装备研制生产模式转型和保障国防科技先进性三个方面梳理了国防科技领域发展新一代人工智能的必要性，并从基础技术支撑和国防特色应用两个方向提出了国防科技领域发展新一代人工智能涉及的基础软硬件、标准规范、智能装备/系统、辅助作战指挥、智能研发等重点内容，在此基础上给出了相关的发展建议。以上研究可为新一代人工智能技术在国防科技领域的研究、应用和发展提供参考。     

武器装备需求问题框架及特性分析

针对武器装备需求内涵模糊的问题,建立武器装备需求问题框架并分析需求的相关本质特性.提取武器装备需求的关键影响要素,提出武器装备需求问题框架--包括需求关键影响要素、影响要素属性、影响要素之间的关系;采用高阶逻辑的规则,分析了武器装备需求及需求映像的特性,包括武器装备需求充分性、前提合理性、实现可行性、必要性和层次性,以及武器装备需求映像充分性、必要性和指导性.以假定的一个城市导弹防御系统的需求研究为例检验了方法的可行性和有效性.     

改进BAS-TIMS算法在空战机动决策中的应用

针对当前空战机动决策精确度低、实时性差的缺点,对天牛须搜索-战术免疫机动系统(Beetle Antennae Search-Tactical Immune Maneuver System, BAS-TIMS)算法进行改进,并应用于空战机动决策中。增加左爬升、右爬升、左俯冲、右俯冲4种机动,对传统的机动策略库进行扩充,设计了11种基本机动策略并给出了相应的控制方法。基于距离、高度、速度、角度和战机性能优势函数,利用非参量法构造战机机动决策综合优势函数。针对天牛须搜索算法在全局搜索和收敛速度上存在的缺陷,引入蒙特卡洛概率迭代的方法对算法进行改进,并和战术免疫机动系统进行融合,将改进的BAS-TIMS算法用于空战机动决策。设计算例进行仿真分析,并将结果和博弈论法、改进共生生物免疫进化算法、传统BAS算法和传统TIMS模型的计算结果进行对比,验证所提算法的有效性。仿真结果表明:改进BAS-TIMS算法在空战机动决策的收敛精度、收敛速度和全局搜索能力上更加具有优势。     

具有全局收敛性的盲均衡算法

为了解决传统的自适应均衡技术需发送训练序列的问题,采用盲均衡技术,利用接收信号本身的特征使均衡器收敛。提出了一种新的盲均衡算法(C&D算法),该算法将CRIMNO算法和判决引导(Decision Directed,DD)算法相结合,利用信号序列间的互不相关特性,从而使其具有全局收敛性能。实验结果表明:与CRIMNO算法相比,在相同的信噪比下,该算法具有收敛快速、运算量少和残留误差小的特点。