多载波码分多址在低密度二分图上的建模与分析

多载波码分多址是移动通信重要的多址技术之一,传统方法将扩频序列的构造和多用户检测单独考虑,未能做到发射机和接收机的一体化设计。受到低密度奇偶校验码的启发,基于图论建立多载波码分多址收发机模型,采用二分图定义码片和数据符号间的扩频关系。在此基础上,利用适合低密度二分图的消息传递算法完成多用户迭代检测,推导并分析洪水消息传递和串行消息传递两种检测机制。仿真结果表明,当传统的多载波码分多址系统陷入严重过载而不能正常通信的情况下,基于低密度二分图的多载波码分多址系统依然能够达到理想的传输性能,为下一代移动通信系统的设计提供了有益的参考。     

基于数值SEA算法的反潜C3I系统效能分析

在分析了反潜C3I效能指标的基础上,采用数值SEA逼近算法求解反潜C3I使命轨迹和系统效能度量,建立了反潜C3I的SEA效能分析模型,并给出了系统效能指标灵敏度与关联度分析模型.     

中国近现代心理战历史沿革研究

信息技术的飞速发展和广泛运用为心理战的实施开辟了新的更加广阔的空间。当前,拓展深化军事斗争准备和完成多样化军事任务对军队心理战建设提出了新的任务和要求。研究中国近现代心理战的历史沿革发展,特别是辛亥革命时期、土地革命时期、抗日战争时期、解放战争时期、抗美援朝时期中心理战的演变过程,总结经验教训,对于提高信息时代军队心理作战能力有重要启示作用。     

点型火灾报警探测器保护范围对布置的影响

分析了点型火灾报警探测器＂保护半径＂与＂保护面积＂的内在关系,得出了以保护半径为主,保护面积及修正系数为辅新型计算方法,使其在不规则平面更有可操作性,能充分发挥探测器效能,给设置留下了宽裕的选择范围,使设置更趋合理;在安全性不受影响下,探测器用量最大可节省12%。     

军用卫星的发展趋势分析

给出了军用卫星未来的发展趋势 ,包括成像侦察卫星、预警卫星系统、通信卫星系统和导航卫星系统的发展趋势 ,指出了小卫星应用的发展方式 ,归纳了卫星组网的设计方法和应用现状 ,最后分析了小卫星编队飞行的应用特点。     

高效率机动部署航空武器靶场关键技术和应用

为用户设计了一个航空武器试验靶场,具备空空、空地和地空导弹试验能力,可机动部署,具有易于运行和运维代价低的特点。靶场由载机遥测系统、测量雷达、光电跟踪系统、微波和光纤通信系统、靶机遥测站、指挥控制等6个子系统构成;指挥控制子系统之外的5个子系统均使用国产成熟产品。在总体方案和指挥控制子系统设计中,对互联集成方案、机动部署、试验航线设计和发布、自动化领航、自动化指挥决策等5项关键技术进行了着重优化。在实际应用中,全靶场运行仅需20多成员(不含飞行和机场机务人员),3天内完成新试验场部署和联调,对作战部队飞行员进行5架次航线训练后即进行实弹试验,2天内完成多发中程拦截和近距格斗空空导弹试验。     

多兵种交战中作战指数迭代计算方法及收敛性研究

对于大规模多兵种交战,作战指数评估是进行军事决策的重要依据.针对传统作战指数评估方法依赖专家经验知识的问题,借鉴强化学习理论,提出了多兵种交战兰彻斯特方程中作战指数迭代计算方法,利用作战指数和火力分配策略的递推关系,循环更新作战指数直至结果收敛,重点考察了固定更新率、梯度指数递减方法和动量梯度方法对迭代收敛性的影响,通过调节更新率、递减强度和动量强度等超参数取值,显著提高了迭代收敛速度和稳定性.     

VLF/LF大气噪声模拟

由于无线电大气噪声所涉及的现象非常复杂,观测结果又具有局限性,所以它的理论分析比较困难。本文通过对大气噪声特性的分析,指出影响大气噪声的主要参数,并利用噪声特征经典分析模型建立了仿真模型。最后对模拟数值和实测数据进行了比较,结果证明,模拟数据与观测数据有较好的一致性。     

一类非线性系统的自适应模糊反推近似滑模控制

针对一类含有未知非线性函数项和外界干扰的不确定纯反馈非线性系统,提出了一种自适应模糊反推近似滑模变结构控制方法。采用中值定理和隐函数定理使未知非仿射输入函数拥有显式的控制输入,利用模糊系统逼近未知非线性函数,动态面控制技术解决了反推设计中出现的"微分爆炸"问题。所提出的自适应近似滑模控制方案削弱了传统滑模控制中的抖振现象。从理论上证明了所设计的控制器能够保证闭环系统所有信号半全局一致终结有界。仿真算例验证了算法的有效性。     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.