以色列寻求有效的弹道导弹防御技术

为对付弹道导弹可能的袭击,以色列一直在努力灵求有效的反导弹防卫技术。包括改进“箭式”防空导弹系统,提出击毁敌导弹于己方倾土之外的计划和采用机械激光器、高空无人机、无人驾驶战斗机等技术。     

低成本技术提供一种精确的脱靶距离指示

一种雷达脱靶距离指示器已经研制成功,它用多普勒频率来确定弹丸脱靶距离的大小。防空导弹和火炮部队的实践训练化费极大。因而采用训练模拟器日益增多。但是它们不能提供对实靶射击的实际训练的机会。     

利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存在不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Qk的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Qk,则在机动时的状态估计偏差较小。但当目标不作机动时,此时的Qk只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。     

实时被动测距算法的计算机结构

直升飞机任务的复杂性,包括接近地面的操作,使飞行员工作负担沉重。为了让驾驶员有时间完成定向任务,辅助传感器和一些导航及控制功能的自动化是非常需要的。来自光电传感器的图象为低飞直升飞机在飞行路径上提供检测物体的秘密方法。被动测距就是处理图象序列,采用的方法基于视觉流计算和递归估计。被动测距算法必须从成象中提取障碍物信息,而成象以每秒5到30或更多帧变化,这取决于直升飞机的速度。我们已脱机用直升飞机的图象实现和试验了被动测距算法。尽管如此,算法的实时数据和计算需求是超出任何现行的微处理机或数字信号处理机的能力。本文叙述了算法的计算需求和使用并行处理技术以满足此需求。讨论了选择并行处理结构中的各式各样的问题,按其对实时处理算法的适用性对四种不同的计算机结构进行评价。根据这一评价,我们断定实时被动测距是一个现实的目标且在短期内就可达到。     

白沙导弹靶场的数据传输系统

白沙导弹靶场（WSMR）通信网新的主要的发展就是数据传输系统（IDTS）。IDTS是为了满足扩大靶场试验要求所需要的整个现代化方案的一部分。（见图1。） 伦库尔特（Lenkurt）电子联合公司承受了IDTS的系统设计,设备制造和安装的任     

美军医疗保障体制改革

美军医疗保障体制正面临着一次大的改革。究其原因,一是现役军人和退役军人医疗保障系统存在着官僚主义,管理体制严重僵化;二是最近几年医疗费用上涨幅度过大。如何改革?基本思路是合并军事医疗保障系统和退伍军人医疗保障系统,建立雇主责任保险制和全国保障系统。     

在复杂的工程领域支持时间类型实时学习的“神经”网络模型

开发、维护和检验知识库的困难激励我们对自适应系统更感兴趣。但是,已经证明符号范例有碍于动态或噪声环境中的学习。本报告叙述基于仿真的研究计划,该计划说明作为在这样的环境中学习的健壮增强模型基础的修正连接式记忆单元的效用。这种学习模型根据一个定性的、基于目标的结构产生有效的基于规则的行为,这种结构进一步支援从这些复杂领域的经验中导出的二级目标或智力模型的开发。     

我的班长我的班

我是一名维吾尔族女孩，名叫玛哥达斯。2006年4月，我来到农五师81团综合加工厂棉检班工作。刚到团场时，我觉得这里的环境很陌生。但是．我很快就熟悉了棉检班班长韩岩霞。     

对于机动目标的真比例导航

我们根据分析得到对付智能机动目标的真比例导航(TPN)导弹制导法则的捕获区。考虑两种TPN方案。第一种是原始的TPN,假设指令制导的侧向加速度只与瞄准线(LOS)速率成正比,比例因子是一个任意常数或仅仅依赖于初始接近速度。另一种叫作RTPN(现实的TPN),它假设控制的侧向加速度与LOS速率成正比,并且也与当前接近速度成正比。假设目标以增加LOS速率的方式机动并因此与取消LOS速率的比例导航(PN)基本原理正好相反。为原始TPN导出了捕获的必要和充分条件,并利用这种条件获得了精确的捕获区。为RTPN导出了捕获的充分条件并用来得到它的部分捕获区。对于RTPN也导出了捕获的某些必要条件并且用来得到它的最大捕获区。利用这些条件,给出现有捕获区的某些重要结果和TPN法则的捕获可能性比较研究。     

随机多假设跟踪的最大似然法

在多目标多量测环境中,量测-航迹分配的知识一般不适于跟踪算法。在本文中,对量测-航迹分配问题,采用了严格的概率方法。不象在传统多假设跟踪(MHT)算法那样,把量测分配给航迹;相反地,使用由期望最大化(EM)方法导出的最大似然(ML)算法估计每次量测属于每个航迹的概率。这些量测-航迹的概率估计对于调用随机多假设跟踪(PMHT)算法的多目标跟踪器是固有的。PMHT算法在计算上是切实可行的,因为它既不要求量测-航迹分配的计算,也不要求修剪。