基于概率的网络雷达对抗系统综合探测定位性能分析

利用到达时间差和发射站与接收站的位置等数据给出目标位置落在空间不同点的概率密度,并将整个空间内总的概率密度函数峰值对应的位置作为系统的定位结果,将求解过程转化为求解一个简单的三元一次方程组,从而不需要求解高次方程,避开了复杂的矩阵运算,提高了求解速度.同时,分别对系统在不同工作模式下的探测定位性能进行了仿真分析,结果表明:有源无源综合模式的探测定位性能优于无源模式和有源模式.     

基于CPLD与单片机的多路高精度数据采集系统设计

结合CPLD与单片机设计了一种多路高精度数据采集系统,最高可达24位转换精度。所采集数据具备良好的实时性,可采集通道数目多,同时系统具备较强的抗外界干扰能力,结构简单,可靠性好。该系统具有较强的可移植性,能够广泛应用于多路、高精度、低频数据采集的场合。     

基于UML—BD的通信装备战场抢修系统建模研究

UML-BD(UML Based on DEVS)模型是运用DEVS规范技术对离散事件系统的UML模型进行层次化、模块化。针对UML-BD建模技术的特点和通信装备战场抢修系统的结构,运用UML-BD建模方法构建通信装备战场抢修系统的UML-BD模型,并对其进行了较为深入的研究分析。     

脉冲压缩雷达系统分析与仿真研究

基于信号处理工作系统(SPW)仿真平台,对脉压雷达信号处理系统进行了建模与仿真技术研究。建立了脉压雷达信号处理系统的仿真模型,同时,利用仿真技术的优势,对脉压雷达信号处理系统的抗干扰(杂波、干扰和噪声)性能进行了仿真,仿真结果表明该雷达信号处理系统具有一定的抗干扰性能。上述工作为脉压雷达信号处理系统的工作过程描述、方案论证、性能评估和挖潜改造提供了仿真依据及技术支持。     

上海外环线隧道消防安全事故处置对策研究

根据上海外环线公路隧道的自身状况,分析了可能发生的消防安全事故及其特点,从作战思想、战术发挥、装备应用三方面提出了处置事故的对策。     

冷阴极高阻抗相对论速调管放大器的模拟研究

采用粒子模拟软件,建立了冷阴极发射实心束的高阻抗相对论速调管放大器模型。该模型由1个带屏蔽环的二极管,5个简单药盒型谐振腔和1个锥形收集极构成。为了给具有高效率的高阻抗相对论速调管提供实心束,同时实现设备的简单化和紧凑化,采用冷阴极取代传统的热电子枪,不仅易操作而且大大降低能耗和经费。在传统二极管阴极侧面引入屏蔽环,利用屏蔽极大地提高电子束阻抗,同时屏蔽环的位置和形状能明显降低非发射区的场强,并且有效改善阴极端面发射的均匀性。在束波互作用区,通过依次调节末前腔和输出腔的位置并结合导引磁场的大小对输出的微波进行优化,结果表明:在二极管发射电压525k V、电流328A的实心束及外加磁场0.35T的条件下,当注入功率为1k W时,在11.424GHz的中心频率处获得了功率81MW,效率47%,增益49d B的微波。     

基于Petri网的FPGA软件缺陷分析与改进设计

为了在FPGA软件开发过程的早期发现设计缺陷并进行修改,以降低设计成本,提出了应用Petri网技术进行缺陷分析的方法。对FPGA软件开发过程中形成的工作流程和实现流程进行了分析,并在发现缺陷的基础上进行了改进设计。在某引信安全与起爆控制系统的设计过程中应用了该方法,结果表明:该方法能够发现并准确定位软件缺陷,而且在Petri网模型基础上能够迅速地进行软件改进设计。     

基于改进粒子群算法的地空导弹使用保障设备优化配置

地空导弹使用保障过程复杂,很难有效地对使用保障设备进行优化配置。结合地空导弹使用保障需求以及其使用保障作业流程的特点,构建地空导弹使用保障设备优化配置模型。该模型属于典型的NP难问题,基于此提出以改进的粒子群优化方法对模型进行求解。新的粒子群优化方法中,将粒子线性移动改进为非线性移动方式,有效提高粒子的全局搜索能力。粒子的编码方案首次采用位移向量表达方式,并提出一种新的粒子修复策略,有效地简化了模型的求解过程。给出算例并且设计了对比实验。实验结果表明本文方法能够解决地空导弹使用保障设备的优化配置问题,并且对于其他资源配置问题求解也具有重要的参考意义。     

基于元评估的武器装备作战效能评估可信性研究

针对武器装备作战效能评估过程中存在的诸多不确定因素,研究了作战效能评估的可信性问题;利用元评估方法对武器装备作战效能评估的可信性进行评估,归纳了基于元评估方法进行可信性评估的原则、步骤和框架;在此基础上,研究了元评估在可信性评估中所涉及的几个关键问题。     

基于CNN-PCA-DT算法的合成孔径雷达目标识别

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别是SAR图像解译的重要环节,已广泛应用于国防和国民经济领域。在传统的卷积神经网络(Convolutional Neural Network,CNN)的基础上,提出了将CNN,主成分分析(Principle Component Analysis,PCA)和决策树(Decision Tree,DT)相结合的算法,记为CNN-PCA-DT:利用CNN提取出SAR图像的特征向量,再用PCA降维,最后用DT分类器取代CNN中的Softmax分类器实现SAR目标识别。实验结果表明,所提出的算法在MSTAR实测数据集上取得了较高的识别准确率,从而说明了实验的有效性。