动能拦截器姿控固体小火箭点火算法设计

使用固体姿控小火箭是实现动能拦截器快响应和高精度姿态控制的最佳方案之一。针对一种新型动能拦截器姿控小火箭布局,提出了点火组合混合搜索算法。描述了动能拦截器姿控小火箭的配置方案,分析了弹体自旋需求。设计了一种结合目标排序法和区间搜索法的点火组合混合搜索算法:当可用小火箭个数较少时,采用目标排序法;当可用小火箭个数较多时,采用区间搜索法。指令力矩近似仿真结果及姿态控制数值仿真结果表明:该算法能够有效地近似指令力矩,实现快速高精度的姿态跟踪。     

装备数据应用基本问题探析

分析了装备数据、装备数据应用、装备数据服务等基本概念的内涵,研究了通用装备数据应用、平时装备数据应用、战时装备数据应用、演习演练装备数据应用、非战争军事行动装备数据应用5种装备数据的应用模式;建立了装备数据应用体系框架,分析了各组成部分的功能及相互关系。     

基于多源数据融合的GEO目标轨道改进分析

以美国新一代天基监视卫星SBSS为例,构建了天地联合方式观测GEO目标的观测模型。同时作为对比,介绍了传统地基雷达的距离测量模型;提出了将天地联合测量数据与传统地基测距数据融合,利用扩展卡尔曼滤波(extended Kalman filter,EKF)对GEO目标进行轨道改进的方法。仿真结果表明,利用2种不同方式的观测数据对GEO目标轨道进行改进,得到的定轨误差效果好于只有一种测量数据的结果。     

美军频谱数据建设策略概述

频谱数据是网络中心战条件下美军实施频谱管理的基础,为此,美军以国防部数据建设战略为依据,制定了频谱数据管理、频谱数据服务、频谱数据标准化建设和频谱数据库建设等方面的顶层策略。文章综述了美军频谱数据建设策略,对照我军频谱数据建设情况,梳理出了对我军频谱数据建设的几点启示。     

基于OODA指挥控制环的作战仿真实验?

伴随新军事变革,OODA环“以快吃慢”已逐步取代传统作战中的“以大吃小”,成为制胜信息化战争的关键机理,为验证机理、传播概念,运用一种基于Agent的混合仿真方法,建模作战个体内部的OODA环,以及个体之间的相互关系,并构建虚拟战场,结合作战背景进行对抗推演,探索“基于OODA以快吃慢”机理的实验验证,通过定性与定量相结合的综合分析,揭示了更丰富的细节,结论具有很好的军事意义和应用价值。     

数字

6.8万亿元人民网近日发布数据显示,广东省2014年GDP达6.8万亿元,连续26年位居全国之首,人均GDP突破一万美元大关。28.07亿人次2月11日,来自交通运输部的消息称,预计今年春运期间全国旅客发送量将达到28.07亿人次。     

财经

2014年12月68城房价跌回一年前2014年收官之月,房价下跌局面并没有出现明显改观。1月18日,国家统计局发布2014年12月份全国70个大中城市价格指数显示,2014年12月份70个大中城市新建商品住宅和二手住宅价格环比综合平均降幅分别为0.2%和0.3%,均比11月份收窄0.2个百分点。新建住宅指数中,全国仅厦门、郑州两个城市依然同比上涨,其他68个城市房     

镜头表面附着雨滴的检测和去除方法综述

视觉系统是自主无人系统的重要组成部分,附着在相机镜头表面的雨滴会在图像中产生伪影,造成图像质量退化,进而显著影响视觉系统的性能。为此全面深入地调研了近年来附着雨滴的检测和去除方法,凝练了附着雨滴检测和去除问题的本质,并总结了现有方法中使用的雨滴成像模型;从基于模型、基于数据驱动和基于摄像系统三个方向分类梳理了不同的技术方法;从网络架构和损失函数两个方面详细概述了深度网络模型的发展;汇总了现有文献中公开的附着雨滴数据集,并通过实验结果对部分算法的性能进行比较;讨论了检测和去除附着雨滴任务中存在的主要问题,并对该领域未来可能的发展方向进行了展望。     

基于模型的气象数据管理系统设计

气象数据对装备研制至关重要,通常需要大气不同高度层的风速、空气密度、虚温等气象数据来辅助弹道设计和仿真。针对目前气象数据管理难,应用难的问题,提出了基于模型的气象数据管理系统设计方法,设计并开发了气象数据管理系统,实现了气象数据录入、气象数据检索以及气象数据分析三大功能,能够按时间筛选各观测点的气象数据,并能够对观测点不同高度层的平均气压、平均虚温和最大风力进行统计分析,提高了气象数据的管理和应用效率,有力支撑了装备的研制。     

面向试验数据的标签本体及标签实例推荐方法

针对海量试验数据标签管理及标签管理智能化问题,提出一种标签本体及标签实例推荐方法。采集结构化、非结构化数据以及半结构化数据,根据试验数据类型,构建本体概念,形成标签库;对图像、文本、音频、视频、纸质等多模态数据采用不同方法进行装备实体以及实体关系抽取,构建标签实例库;利用规则映射和自然语言处理方法对标签本体与标签实例进行关系映射;最后,挖掘用户个人信息以及使用标签信息,结合个人信息以及标签信息,形成基于标签及标签实例的智能推荐。对比现有模型,该推荐模型在MAE和MSE指标上分别降低了8.82%和5.56%,AUC指标提高了13.33%,对试验数据智能化管理具有重要意义。