干扰条件下的扩频码捕获性能研究与改进

文中提出了扩频接收机捕获模型,并对可行性进行了仿真。在此模型基础上分析了不同干扰样式对接收机捕获性能的影响,给出捕获概率的仿真曲线,对文献[1]、文献[2]中用到的假设的成立条件进行了修正。最后文中采用频域接收机结构并给出了基于频域抑制算法的捕获概率仿真曲线。结果表明捕获性能较之无干扰抑制时大大提高。     

某高炮武器系统作战效能评估

某高炮武器系统是我军近几年装备的一种性能优良、技术先进的新型防空武器系统,在反空袭作战中将发挥重要的作用,计算该系统的作战效能具有重要的军事价值和现实意义。建立了计算高炮武器系统对空中目标毁歼概率的数学模型,给出了作战效能评估的数学公式,分别计算了某高炮武器系统用X波段雷达、Ka波段雷达、电视激光方式工作时的作战效能。     

反舰导弹自控终点误差散布及其改进

反舰导弹火控系统解算射击诸元时,只是从理论上解得导弹自控终点的位置,基本上没有考虑系统误差的影响,因此利用反舰导弹自控终点系统误差的散布规律,修正解命中得到的射击诸元,可降低自控终点的系统误差,达到提高导弹捕捉目标概率的目的.     

基于航路规划的导弹"概略前置点"射击方式研究

针对中远程反舰导弹现有射击方式存在的主要问题,提出了"概略前置点"射击方式的基本设想.通过对不同目标数据精度条件下,导弹采用"概略前置点"射击方式仿真计算,得出导弹从不同方位进入时,对海上目标的捕捉概率.     

地空导弹维修保障能力评估与备件优化模型

地空导弹武器系统维修保障能力评估与备件优化是制定维修保障方案的重要内容,能够对平时和战时防空作战任务的维修保障产生重大影响.运用更新过程理论,给出了部件寿命服从指数分布和威布尔分布情况下,单部件和多个同种部件的备件满足率模型.在备件满足率模型的基础上,结合地空导弹装备和部件任务结构关系,得到了系统任务成功概率评估模型.在满足任务成功概率与备件费用约束条件下,建立了系统备件携行量优化模型,用边际分析法进行了求解.通过实例验证,得到了满意的结果.该模型已经应用于某地空导弹使用阶段综合保障信息系统.     

临近空间高超声速机动目标跟踪的IMM-QB算法北大核心

经典的交互式多模型(IMM)算法由于转移概率矩阵固定不变,在跟踪运动状态未知且多变的临近空间高超声速目标时存在一定的不合理性。通过采用准贝叶斯(Quasi-Bayesian)估计对转移概率矩阵在线调整的方法,与基于CV-CA-Singer的经典交互式多模型算法进行融合形成了IMM-QB算法。Monte Carlo仿真实验表明,IMM-QB算法对临近空间高超声速滑跃式机动目标的跟踪精度有一定程度的提高。     

神经网络架构搜索研究进展与展望

神经网络架构搜索旨在针对不同任务,自动化地搜索得到性能最优的神经网络结构,是深度学习、计算机视觉技术结合当前现实需求应运而生的一大重要科学问题。对近年来神经网络架构搜索研究进行梳理、归类和评述;阐述神经网络架构搜索的定义和意义,全方位剖析当前研究所面临的难点与挑战;以此为基础,对主流的搜索策略进行阐述和归纳;探讨研究潜在的问题及未来颇具潜力的研究方向,以期推动该领域的进一步发展。     

基于卷积神经网络和随机森林的毁伤效果评估方法

目标毁伤效果评估是现代化战争中的重要一环。针对传统的毁伤效果评估方法无法区分目标特征与背景特征而导致评估结果不准确的问题,提出了卷积神经网络(convolutional neural network,CNN)和随机森林(random forest,RF)相结合的方法,记为CNN-F算法。通过卷积神经网络处理图像,提取图像特征,再使用随机森林替换卷积神经网络中的部分全连接层和softmax分类器进行目标毁伤结果分类。实验结果表明,该算法在准确度、精确度、召回率和F₁值4个指标上都达到了较高的水平,达到了83.050%、83.585%、83.050%和82.945%,其评估结果可以为指挥员下一步决策提供参考。     

面向大规模卷积计算的多忆阻器阵列互连结构设计

针对现有多忆阻器阵列集成架构中存在的数据加载、读出效率低以及阵列协同灵活性差等问题,提出一种高效率、高灵活度的阵列互连架构。该架构所采用的数据加载策略支持多种权重映射模式下的数据复用,减少了片外数据访存需求;所采用的计算结果读出网络支持多个处理单元灵活组合实现不同规模卷积运算,以及计算结果的快速累加读出,进而提升了芯片灵活性和整体算力。在NeuroSim仿真平台上运行VGG-8网络进行的仿真实验表明,与MAX²神经网络加速器相比,在仅增加6%面积开销的情况下,取得了146%的处理速度提升。     

基于强化麻雀搜索神经网络的空战机动决策方法

针对空战中机动决策速度慢、准确性低问题,提出基于强化麻雀搜索神经网络的空战机动决策方法,该方法分别考虑角度、距离、高度等因素构造相应的态势函数,将几种态势函数结合起来并加权得到态势评估函数,利用神经网络的黑盒部分计算各个态势函数的权值,利用混沌初始化和小孔成像反向学习策略强化麻雀搜索算法,再利用其特性去优化神经网络,将麻雀的适应度函数与神经网络的权值和阈值建立直接的映射关系,从而获得准确的态势评估函数,再将得到的态势评估函数结合博弈论模型得到博弈态势值,并由此来进行空战机动决策。仿真表明,该方法在与粒子群和遗传算法优化的神经网络模型相比之下,决策速度更快、准确性高,从而能获得空战优势,以获得最终的空战胜利。