战场电磁频谱实时管理问题研究

高技术条件下的作战,参战力量多元,各种各样的电子信息作战装备同时应用于战场,加之敌方对我进行激烈的电磁干扰以及民用电磁设施的影响,使得战场电磁环境极其复杂,可用频谱资源十分有限.在这种情况下,只有加强战场电磁频谱实时管理才能充分、合理地利用电磁频谱,达成最佳作战目的.本文正是基于对战场电磁频谱实时管理这一重要问题,提出一些新的想法,对未来作战中进行战场电磁频谱实时管理有很大指导意义.     

大整数乘除运算在PC机上的实现

大整数在要求高精度的应用中非常有用.特别是大质数和一般大整数有一个极为重要的应用,就是关于计算机数据加密.在计算机数据加密技术中,常会遇到大整数的算术运算问题.由于所使用的机器和所用语言的限制,大整数的"乘""模"两种运算很难运用高级语言中的"乘""除"运算.提出了一种逐位存储、按字节运算的方法,并用C 实现了大整数的十进制乘除法运算,之后将提出的算法与类似算法的时间复杂度进行了比较,最后给出了算法的运行时间.     

岛岸炮兵对海上目标的打击算法和打击策略研究

从数学和军事的角度就岛岸炮兵对海上进攻目标的打击算法和打击策略问题进行了研究和探讨.给出了确定可射击单位、射击持续时间、综合毁伤概率、射击方式等算法的主要思路.给出了可能的三种火力分配策略,即按建制指挥关系分配策略、按目标重要程度分配策略和平均分配火力策略,可为登陆作战或岛岸防御作战研究提供参考.     

战场电磁环境的定量描述与模拟构建及复杂性评估

探讨了战场电磁环境定量描述与可视化表达、战场电磁环境模拟构建的内容,提出了军用有意电磁辐射和战场背景电磁辐射模拟仿真的建模方法。在战场电磁环境复杂性定量分析方面,将战场电磁环境的复杂性分为一般复杂性和特定复杂性,给出了相应的评估指标和评估方法。     

虚拟战场电磁环境雷达信号建模方法

针对典型地空反辐射导弹武器仿真系统中虚拟战场电磁环境仿真分系统的实际需求,以典型机载雷达AN/APS-145为例,在对其信号载频、脉宽、重频、脉冲幅度等主要性能参数进行系统分析的基础上,研究了应用于虚拟战场电磁环境仿真系统的雷达信号建模方法,仿真实验验证了该方法的正确性与可实现性。     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

移动机器人平台低成本自主导航系统设计与实现

定位、建图与轨迹规划是实现移动机器人在未知环境自主运动的核心技术,也是目前的研究热点。首先,针对未知环境建图和定位问题,设计一种基于视觉的低成本导航方案。该方案利用深度相机获取未知环境信息,构建环境地图,并基于ORB-SLAM2算法完成自身定位。其次,为保障移动机器人运行平稳性,设计了一种A*优化方案。该方案结合轮式机器人运动特点,对传统A*算法的节点扩展过程进行优化,并通过改进搜索算法的碰撞检测部分实现地面移动平台的三维避障功能,同时基于B样条曲线完成轨迹平滑。最后,在移动机器人实验平台上完成自主导航系统部署并进行实验验证。实验结果表明,系统单次规划所需时间在10 ms以内,建图平均误差为0.14 m。此外,所提自主导航系统所需硬件设备简单,便于快速部署,具有广阔的应用前景。     

军队院校装备类课程融入课程思政探索

为落实习近平主席关于高校各类课程都要与思想政治理论课同向同行，形成协同融合效应的要求，以军校导航设备类课程为例，分析了课程特点、开展思政必要性、课程思政融入现状及存在的问题。提出了相应的课程思政融入导航设备类课程的措施，将专业知识与思政元素相结合，实现立德树人，润物细无声的思政教学效果。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。