前苏联/俄罗斯军用计算机处理器研制历史及现状

正冷战时期,作为超级大国的前苏联与美国抗衡走独立发展道路,在计算机技术领域取得了很高的成就。前苏联首屈一指的计算机技术科研机构——列别捷夫精密机械与计算技术研究所先后研制了M-40和"厄尔布鲁士"系列中央处理器,用于航天工程、核武器和防空武器系统等军事装备中。前苏联在军用中央处理器研制领域成绩斐然1959年,前苏联研制出第一台真空管计算机M-40。在前苏联第一次成功     

战争模拟多分辨率联合仿真关键技术研究

战争模拟研究必须紧贴军事训练任务需求。当需要进行＂广域对抗,局部高仿＂时,现有仿真系统无法同时满足战争模拟对仿真规模和模型分辨率的要求,因此将已有的不同分辨率仿真资源集成起来进行联合仿真是解决这一问题的最经济、最有效方法。从系统实现的角度,归纳分析了战争模拟多分辨率联合仿真设计中面临的技术难题,重点研究了多分辨率联合仿真中数据交换、聚合解聚、一致性维护、仿真时间调控四项关键技术,提出了具体的解决思路和方法,为多分辨率联合仿真系统的研究开发提供参考。     

超宽带强电磁防护能量选择表面设计

为应对强电磁脉冲对电子信息系统的威胁,设计了一种具备收发兼容特性的超宽带强电磁防护能量选择表面,有效拓展了能量选择表面的工作带宽和工作频率,可为L、S、C波段的超宽带用频装备提供不低于14 dB的防护效果。该能量选择表面是一种周期结构,每个单元包含一对箭头形结构和一个开关二极管,可根据外界辐照电磁波的能量密度自适应切换反射或透波状态,从而实现强电磁防护与工作信号收发兼容。仿真研究表明,这一新型能量选择表面在L、S、C波段的插入损耗小于1 dB,强电磁防护能力达到22 dB。在波导中对设计的样件进行了性能验证,结果显示,该样件在波导中的平均插入损耗为1 dB,防护能力达到了14 dB,初步验证了设计结构的低插入损耗和高防护特性。     

超启发式传感器选择算法

在传感器管理中,传感器的选择算法计算是目前需求量最大的问题,采用超启发式算法降低传感器选择算法的复杂度计算.依据协方差控制提出的传感器选择目标,从启发式的贪婪算法入手,研究贪婪/均匀和贪婪/次序两种超启发式算法在传感器选择算法中的应用,以提高传感器管理的运算效率,降低其计算复杂度.最后对这两种方法进行了仿真比较.     

近自由面串列超空泡航行体的流动特性研究

近自由面串列超空泡航行体的多相流动现象非常复杂,涉及了自由面与空泡的耦合作用以及2个甚至多个超空泡流场的相互干扰。采用VOF方法数值模拟了不同浸没深度条件下串列航行体的多相流动,获得了串列航行体的超空泡演化特性和流场分布特性,分析了自由面对超空泡形态及波浪特征高度的影响。研究结果表明：串列双航行体的超空泡在发展过程中出现了2个超空泡互相融合与分离、尾空泡溃灭等现象;超空泡流场的彼此相互作用导致后发航行体进入了前发航行体的超空泡内部,导致后发航行体受到的阻力减小,航行体的串列布置使后发航行体实现了减阻效果;浸没深度较小时,自由面的作用明显,航行体的超空泡形态上下对称性较差,自由面兴起的波浪特征高度较大,前端高压区压力分布沿航行体中心线不对称。     

干扰抑制类生成式对抗网络

为进一步改善超低频频段的通信质量,在传统改进广义旁瓣抵消算法的基础上,提出新的超低频干扰抑制算法——生成式旁瓣抵消算法。该算法将人工智能研究热点之一的生成式对抗网络模型引入广义旁瓣抵消算法中,通过优化设计生成模型的网络结构及相关超参数,有效地解决了原算法存在的期望信号残留问题,为旁瓣抵消通道中的后级滤波算法提供了与主通道相关性更强的干扰参考信息,从而提高了算法对主通道干扰估计的准确性。为了验证优化后生成模型的有效性以及所提算法对不同类别干扰的抑制能力,在实验室环境下搭建实验平台,设计了多组对照实验。实验结果表明:优化后的生成模型具有较好的生成能力、较好的鲁棒性以及相对较低的运算复杂度;相比于传统改进的广义旁瓣抵消算法,所提算法进一步提高了信号带宽内的信干噪比。     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。     

固定式超近程防护系统优化设计及统计分析

为了提高固定式超近程防护系统的拦截效率,进一步优化攻击单元的分布参数,将分布方案的分布参数5个射角和35个射向作为自变量,以拦截概率作为因变量,将已有的32种方案的分布方案及统计模拟所得的拦截概率作为样本值,运用SPSS软件进行多元线性回归分析,通过不断筛去显著性比较差的变量,最终得到比较满意、显著性比较强的多元线性回归方程,该方程的建立为进一步优化分布方案的参数提供了理论依据,也为建立进一步优化模型提供了理论基础.