双谱特征在水下目标自动识别中的应用

非高斯信号处理是信号处理的一个新领域。以舰船辐射噪声为主的噪声具有很强的非高斯性和非线性性。由此可利用信号双谱,提取舰船辐射噪声信号的非高斯成份。实验结果表明,高阶谱在声纳目标识别方面具有很大的发展潜力     

拦截弹测量数据处理的建模与仿真

针对拦截弹上实时测得的带有随机干扰的测量值,讨论了测量数据的建模与处理方法,并结合数据处理过程中所涉及到的阶次的确定、样本数的选取和拐点问题提出数据处理的简化方法。最后给出了一个仿真算例     

基于贝叶斯网络的态势认识

态势认识的本质是通过因果推理进行态势理解和诊断推理以实现态势预测,不确定性知识表示和推理是态势认识过程中需要解决的两个重要问题。基于贝叶斯网络易于进行不确定性推理的优点,综合应用贝叶斯网络因果推理和诊断推理,提出了态势认识的贝叶斯网络模型,应用贝叶斯网络信息传播算法,给出了态势认识系统实现的方法,并通过实例计算论证了该方法的可行性和实用性。     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

空降地面作战突破点决策模型

空降地面作战突破点决策问题,由于属性值的复杂而导致突破点选择或决策非常困难。运用可信性理论的原理,做出了3点研究成果:构造了基于可信性测度的属性值处理方法;结合负理想点方法,建立了基于可信性测度的多目标机会约束规划(CCMOP)权重计算模型,并转化为容易计算的单目标决策;考虑到空降地面作战突破点属性值的未确知特点,确立了基于机会乐观值的排序方法。最后给出一个简单实例,说明该方法在解决突破点问题是可行的。     

电子对抗环境下飞机编队突防能力模型

现代战争通常在电子对抗的复杂环境下进行,对电子对抗环境下飞机编队突防能力进行建模研究.首先运用模糊数学的方法对雷达电子对抗的效果进行了分析,重点从干扰频率、干扰功率、干扰时机、干扰样式、信号环境因素5个方面研究了雷达电子对抗的干扰效果,然后运用解析法对飞机编队在雷达电子对抗环境下对地空导弹、防空高炮防御体系的突防能力进行计算,得到了关于飞机编队在电子对抗环境下突防能力的定量结果.     

采用射流掺混增强的前可调面积涵道引射器数值模拟

为了提高风扇外涵和核心机驱动风扇级外涵流体的掺混效率，提出一种采用射流掺混增强的前可调面积引射器设计方案。通过数值模拟的手段对流量特性、流动掺混和总压损失等方面进行了研究，并同基准模型进行了对比分析，结果表明：采用波瓣混合器结构的前可调面积引射器设计，显著地增加了较高出口背压工况下风扇外涵的流通能力；新的设计方案不仅没有增加低出口背压工况下的总压损失，还减小了高背压出口工况下的流动损失；流向涡的特征尺度是提高掺混效率的关键，可以进一步优化波瓣混合器几何轮廓，以满足调节机构对结构设计的要求。     

基于复杂网络的作战网络分析

分布式网络化作战是网络中心战的基础,而分布式作战网络的构建是网络化作战的重要前提。首先,运用复杂网络的相关参数分析了多种不同的网络,选择了BA非标度网络作为分布式作战网络的最优表现形式;其次,以BA非标度网络为基础提出了一个适合军事上动态鲁棒性分析的模型DCNCE;最后,仿真结果表明,在以网络效能值为测度的对比下,分布式作战网络在介数毁伤策略下更脆弱,为构建并改进现有的作战网络提供了理论依据。     

舷外有源诱饵反导方法研究

为提高电子战反导水平和导弹突防能力,根据反导电子战装备发展的趋势,介绍了舷外有源诱饵的原理和特点,分析了欺骗干扰、压制干扰和组合干扰3种舷外有源诱饵作战使用的典型模式,从实际试验和仿真2方面研究了舷外有源诱饵对抗反击导弹的效果.研究内容对反导电子战装备的研发和作战使用以及反舰导弹突防研究具有一定参考价值.     

面向GPU的非结构网格有限体积计算流体力学的图染色方法优化

采用图染色方法解决通量累加和局部最大压力计算引起的两种典型资源竞争问题,并通过共享内存的使用、体编号和面编号的重排、面数据的重排三种策略优化图染色方法。针对应用在空气动力学多种规模的三维网格,分别采用双精度和单精度操作数,在Nvidia Tesla V100和K80 GPU上,展开性能测试。结果表明:共享内存的优化效果不明显;体编号和面编号重排降低了图染色方法的计算性能;面数据重排可以有效地优化图染色方法;计算性能在V100上提高20%左右,在K80上提高15%左右。