基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

军事物流服务商准入标准设置和甄选研究综述

军事物流服务商甄选研究是新军事变革下供应商管理发展的重要方向，是有效完成后勤保障任务、顺利实施作战行动的重要保证。基于此，本文从供应商关系理论和发展、物流服务商指标体系选择以及结合其他方法对物流服务商甄选三个方面对国内外研究现状进行总结概述，对整个军事物流服务商的选择过程加以研究，将其科学客观地运用于军事物流服务商选择的实际操作中，对于加强军事物流服务商需求管理、提高选择质效以及优化工作流程具有重大意义。同时，分析现有研究成果的不足，并对其未来发展前景提出展望，针对性地提出了军事物流服务商初步准入标准以及后续复选的方法，为军事物流服务商选择体系的完善提供参考。     

基于因式分解BP的车载前视地表穿透SAR快速成像算法

车载前视地表穿透SAR(VMFL-GPSAR)属于双站SAR的范畴,采用单站快速因式分解BP(FFBP)处理存在较大的误差.针对双站SAR模型分析FFBP的距离误差,给出了极角采样率限制条件,提出了双站FFBP算法,通过合理设置子孔径中心提高聚焦效果,并结合距离相位补偿和线性插值技术,进一步提高聚焦精度.仿真和VMFL-GPSAR实际数据处理结果验证了双站FFBP算法,成像效率可提高2.31倍.