自适应性训练：数字化装甲机械化部队的新型训练方式

战斗力诸要素之间的自适应性在作战系统的生成和演化中起着重要的作用，积极探索自适应性训练这种新型训练方式，能有效地提高数字化装甲机械化部队的战斗力。文章首先分析了自适应性训练的本质内涵，然后对自适应指挥训练和自适应协同训练的组织实施进行了探讨。     

基于相关性函数的多站微动特征分析与提取

针对多站雷达精度跨度大、难以有效进行融合识别的问题,提出了基于相关性函数的多站加权融合方法。首先建立了弹道目标滑动散射模型,通过时延相乘重构回波,并利用扩展Hough变换提取出距离像的曲线参数,从而建立方程组以求取微动信息。然后利用相关性函数对各雷达的支持度进行分析,最终对支持度高的观测数据进行融合识别。仿真结果表明该方法计算简单,能有效提高微动参数的估计精度,客观地反映各部雷达的可靠度。     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

某自行高炮虚拟训练系统设计及关键技术

结合自行式高炮装备的结构特点和训练需求,采用机理与外观相分离的设计思想,建立一种多节点、多任务的分布式仿真训练系统。以机理模型为设计核心,采用了客户/服务器模式的系统拓扑结构。介绍了复杂装备外观建模方法和交互技术以及基于MATLAB的机理模型构建和系统集成方法。     

数学思想方法在有理数中的体现与应用

<正> 数学思想方法是人们对数学科学研究的本质及规律的深刻认识,它是指导学习数学,解决数学问题的思维方式、观点、策略和指导原则。它具有导向性、统摄性、迁移性的特点,它直接支配着数学的实践活动。有理数是整个代数的基础,有理数的运算是中学数学的基本运算,它所蕴涵的丰富内容深刻     

脉冲等离子体推力器羽流的粒子模拟

目前微小卫星正在积极地发展中,脉冲等离子体推力器是其推进系统的一个重要发展方向,为了能够将PPT成功地运用于空间,需对其羽流进行研究.将DSMC(Direct Simulation Monte-Carlo)/PIC(Particle in Cell)流体混合算法与一维MHD放电模型相结合,一体化模拟NASA Glenn PPT羽流,对不同出口偏转角的羽流场进行模拟,并与实验结果进行了比较.计算结果显示引入出口速度的偏转角提高了模型的羽流扩散能力,羽流的扩散角是影响羽流的一个主要因素.     

超声波扩频测距及其信道自适应均衡技术

在扩频通讯系统框架中,建立一种新颖的多阵元超声波测距定位系统。从测距系统的仿真结果来看,采用二进制相移键控(BPSK)直序信号数字相关解调技术和基于最小均方算法的超声波接收信道自适应均衡器,不仅可以克服本地载波(相干解调)相位偏移所带来的不利影响,而且可以抑制多径信道噪声干扰和接收信道增益、相位随机漂移对测量精度的影响,从而提高了超声波测距系统的信噪比和分辨率。此外,采用伪随机码扩频解扩方法,容易实现码分多址(只要给安装在大范围测量区域中多个传感器分配相应的伪随机码,就可以方便地辨认出各个区域传感器发出的信号),扩大超声波测距系统的测量范围。     

一种非均匀采样的宽带雷达数字正交解调方法

数字正交解调是宽带雷达数字接收机的重要组成部分,灵活性和实时性是数字正交解调设计的关键问题。从二阶采样和多相滤波的原理出发,提出了基于非均匀采样的数字正交解调方法,给出了算法的实现结构,并通过仿真验证了算法的正确性。通过与低通滤波法、多相滤波法比较结果表明,基于非均匀采样的数字正交解调方法具有优化的实现结构和更好的实时性,可以用于宽带雷达数字接收机的设计。     

建立新型消防勤务机制探索

随着经济社会的快速发展,消防部队的职能也正在由过去的单一灭火向多元化灭火救援发展,这就给消防勤务工作提出了研究的新课题,揭示了目前消防部队在勤务机制中遇到的警力严重不足、灭火救援骨干队伍薄弱、灭火救援训练效率不高、适应现代灭火救援作战的观念意识不强等突出问题,论证了消防勤务机制改革势在必行,并提出了应采取的四个方面的改革措施。     

本刊加入“中国知网(CNKI)”“万方数据”等数据库的声明

为了实现学术期刊编辑、出版、发行工作的电子化,推进科技信息交流的网络化进程,我刊现已加入"中国知网(CNKI)""万方数据--数字化刊群""维普全文数据库""中国终身教育学术研究数据库"和"超星数字期刊"等数据库。凡本刊刊用的文章,将一律由编辑部统一纳入这五个数据库,进入因特网提供信息服务。不同意者,请预先声明。