基于加权动态规划和航迹关联的小目标检测技术

低信噪比下运动小目标的检测一直是成像目标检测中的一个热点问题。提出了一种新的小目标检测算法,采用方向加权的动态规划算法和二值航迹关联,克服了低信噪比下目标机动和传感器的不稳定对小目标检测的影响,实现了对深空背景下运动方式任意、速度最大达1像素/帧的弱小运动目标的有效检测。     

防空兵C3I系统生存能力的综合量化评估

结合实际作战情况,给出了防空兵C3I系统生存能力综合评价的指标体系.利用AHP和Delphi法进行权重的确定,并对定性指标的处理方法即Delphi法进行了详细的介绍,对定量指标采用标准化值的方法处理,从一定程度上克服了专家赋值的主观因素,利用AHP法和模糊综合评判法建立了防空兵C3I系统生存能力的综合量化评估模型,最后以实例证明了其可行性.     

石油科技成果经济效益评价方法研究

依据石油科技成果的类型、专业类别、经济效益体现形式,计算其经济效益便可形成成千上万个计算公式,这给成果经济效益计算带来较大困难,为此提出了计算石油科技成果经济效益的增量思想、黑箱思想和分解叠加思想,并建立了石油科技成果经济效益计算指标体系,包括4个统计型和4个预测型效益指标,探讨了计算其经济效益的通用数学公式。以及经济效益预测的新模型。经过应用检验。说明文中提出的方法完全可以解决应用型石油科技成果经济效益的计算问题。     

高性能计算和数据中心融合网络研究综述

随着高性能计算、大数据处理、云计算和人工智能计算呈融合发展趋势,高性能计算网络和数据中心网络的融合网络成为互连网络发展的重要趋势。分析当前融合网络研究现状;针对当前最具代表性的融合网络进行详细阐述,全面展示该领域的最新技术和动态;提出融合网络面临的技术挑战;基于技术挑战对融合网络的发展趋势进行展望,包括融合网络协议栈设计中融合与分化并存、基于在网计算实现融合网络性能加速、面向新兴应用需求优化融合网络性能。     

采用改进Sage-Husa自适应滤波的运动目标三维定位方法

提出不依赖于测距信息,利用两架基于视觉的无人机对运动目标进行三维交会定位的方法。采用多模型交互方法实现在不预知目标运动模式的条件下对运动目标的实时定位;采用改进的Sage-Husa自适应滤波算法,综合协方差匹配技术和正定性判断,提高了定位精度。为评估这些方法的性能,模拟真实观测条件进行仿真。结果表明,提出的方法可以实时对运动目标的三维坐标进行估计。改进的Sage-Husa自适应滤波算法可以显著提高定位精度,在90°观测夹角下,平均估计误差从27.13 m降低到14.62 m。仿真研究了两无人机观测夹角对定位的影响,结果表明:过小的夹角不利于定位精度的提高;较大的夹角对无滤波定位方法有较好的效果,但对基于改进的Sage-Husa自适应滤波算法的定位方法影响并不明显。     

卫星导航接收机中快扫频干扰低复杂度抑制方法

针对卫星导航接收机中的快扫频干扰抑制问题,提出了一种基于脉冲置零的低复杂度干扰抑制方法,与传统基于时频分析的干扰抑制方法不同,该方法通过低通滤波将时域上连续的快扫频干扰转变为脉冲干扰,并通过脉冲检测与置零对干扰进行抑制。当快扫频干扰处于低通滤波器带内时,被当作脉冲干扰置零;当快扫频干扰处于低通滤波器带外时,被当成带外干扰滤除。理论分析与实验结果表明,该方法相对传统方法的运算复杂度降低了一个数量级,并且能得到与传统方法相近的干扰抑制效果。     

一种基于单频GPS接收机的自迭代定位算法

随着通用航空及无人机产业的发展,低成本及小型化的导航解决方案将具有广泛的市场。提出了一种基于单频GPS接收机的自迭代定位算法,用于提高定位精度,增强定位收敛性。对该算法的基本原理进行了分析,并推导出该算法的数学模型,通过静态实验的方法对该算法的收敛性进行验证,并将该算法的位置信息与最小二乘法解出的位置信息进行对比,体现了自迭代定位算法的优势。     

美军装备维修改革现状与发展

近些年来,美军为有效适应高新武器装备发展需要和军事转型挑战,持续在装备维修领域进行了一系列深度改革。着重从维修思想、维修技术、维修手段和维修体制4个方面系统分析了相关改革现状,阐释了这些改革的动因、内容、成效和发展趋势。研究表明,美军装备维修改革促成了信息化条件下美军装备维修保障的新优势。     

雷达辐射源识别技术面临的主要挑战及对策

信息化战场上,复杂电磁环境严重制约雷达辐射源识别过程。通过梳理雷达辐射源识别技术发展阶段及各阶段主要识别方法,深入分析了现阶段雷达辐射源识别技术面临的主要挑战,并提出应对策略,为创新雷达辐射源识别方法提供借鉴。研究表明,针对未来战场雷达识别面临的主要挑战,平时做好预判,熟谋对策,将极大地有利于战时进行雷达辐射源识别,进而促进整个电子对抗行动作战效能的发挥。     

多子带雷达信号融合噪声抑制方法

全极点模型对信号构建线性模型,通过对模型进行定阶和计算可以得到估计信号的各个参数,从而实现信号预测。子带融合之前需要进行相干处理,可以通过相干函数等方式解决。root-MUSIC算法在低信噪比环境中极点选择并不稳健,会导致模型在阶数上判断错误。为解决全极点模型方法中子带融合在信噪比低时模型阶数估计不准的问题,提出一种噪声抑制方法。对信号Hankel矩阵的主对角奇异值矩阵加权处理,以消除噪声分量,并利用整体前向预测矩阵得到整体频段极点值与极点幅值,由此估计出低信噪比时的多子带融合信号。结果表明所提方法在仿真环境下,在信噪比-20 dB至10 dB时,相较于传统极点模型方案具有更好的估计结果。