基于ANP和熵的起重机械吊装训练评价组合赋权法

为了给起重机械吊装训练提供一个科学的评价模型,采用了基于网络层次分析法(ANP)与熵值法集成的组合赋权法建立起重机械吊装评价方法。首先分析了影响吊装训练的关键因素,在此基础上建立一个科学的评价指标体系;然后运用网络层次分析法分析各指标间相互影响的关系并确定主观赋值权重,用熵值法根据各指标的客观属性确定客观赋值权重;最后通过组合赋权法确定各指标的最终权重,使评价结果既反映出各指标的客观属性,同时也能考虑到决策者或者专家的意见。应用结果表明,该方法确定的权重更符合吊装训练的实际。     

基于模拟电视信号的外辐射源目标检测方法

以广播电视信号为辐射源的外辐射源雷达研究近年来受到各国重视,得到了较大发展。针对模拟电视信号的视频部分存在很强的距离旁瓣,难以用于目标到达时间差测量的问题,提出一种新颖的视频伴音信号联合目标检测方法。该方法利用视频信号测频,代入伴音信号中通过时延-多普勒滤波提取目标时延参数,从而完成目标的检测。实验结果证明,该方法优于传统的伴音信号单独目标检测方法,能有效的抑制虚警,提高检测概率。     

ISAR雷达欺骗式干扰信号生成算法

宽带ISAR雷达能够从目标回波中计算得出众多目标特征,对ISAR雷达的干扰信号必须高逼真地模拟目标的电磁散射特性和运动特性。从弹头目标电磁散射机理出发,分析了干扰信号生成流程,提出二维成像干扰的实现方案。针对虚假目标特性模拟问题,提出基于一维距离像模板合成欺骗干扰信号的算法。算法采用距离像模板与实际宽带ISAR信号的卷积调制处理,生成的干扰信号能较好地反映目标的电磁特性。通过多个脉冲的模拟,生成的干扰信号也能够准确反映目标的运动特性。仿真实验对暗室测量数据和HRRP模板数据进行成像效果对比,验证了算法的有效性。该算法对二维成像干扰机的工程设计具有指导意义。     

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。     

基于UML的导弹伺服测试系统通用设计方法

分析了导弹伺服测试系统组成及功能,采用UML静态建模技术构建了导弹伺服测试系统设计的需求描述模型,运用动态建模方法建立了系统结构模型和行为模型,并以上述模型为基础,设计了导弹伺服测试系统通用软硬件结构。该方法优化了导弹伺服测试系统共性设计,并创建了特性模型架构和特化接口,有效提高了系统的设计效率和开发质量。     

机载相控阵雷达搜索模式辐射能量控制方法

机载相控阵雷达过高的辐射能量威胁了战斗机的生存能力。为了减少相控阵雷达搜索模式辐射能量,提出了基于辐射能量控制的搜索模型。将总能量消耗函数和检测概率相对误差作为目标函数,以平均功率、波束宽度、积累脉冲数以及脉冲重复间隔作为优化变量,选取非支配遗传排序算法对此模型进行优化。仿真结果表明,在同样检测概率情况下,提出的搜索方法可以有效控制雷达辐射能量,具有更好的射频隐身性能。     

军(基地)旅营体制下指挥人才成长路径研究

军队编制体制的调整改革,给我军指挥人才队伍建设带来了革命性变化。客观分析其发展现状、剖析矛盾问题原因,深入研究内在规律、探索科学生长路径,直面当前机遇挑战、拿出有力破解良策,对于各级指挥人才队伍聚焦能打胜仗这个核心,加速提升信息化条件下实战化能力素质,打造高素质新型指挥人才方阵,都有着积极意义。     

基于多分辨率分析的雷达辐射源融合识别算法

结合信号融合识别的应用需求与多分辨率分析的特点,提出了一种基于多分辨率分析的雷达信号融合识别算法。该算法对获取的信号先进行小波变换后直接对信号进行融合识别。仿真实验表明:该方法在减少数据量的同时能够降低信息的损失,提高信息利用率,较好地保证信息的完整性,可有效提高信号识别性能。     

间歇采样转发假目标的相位特性及其在角度欺骗干扰中的应用

理论推导了不同阶数假目标的相位特性及影响因素,根据单脉冲雷达角度测量的原理,分析了间歇采样转发假目标实现角度欺骗干扰的制约条件,推导了实施角度欺骗相干干扰需要满足的相位相干、幅度匹配等要求,并进一步研究了为实现相干干扰对间歇采样转发延时、转发频率、转发功率的约束条件。进行了仿真分析,分别讨论了相干干扰和非相干干扰两种角度欺骗干扰条件下关键参数对干扰效果的影响。结果表明,通过灵活的参数设计和合理布设,间歇采样转发假目标能有效诱偏单脉冲测角系统,这对于间歇采样转发干扰机的设计及使用具有指导意义。     

全极化雷达的多任务压缩感知目标识别方法

为有效利用全极化雷达高分辨距离像(High Resolution Range Profile,HRRP)的丰富特征信息和全极化样本中各单极化HRRP均对应于相同目标姿态的特性,提出一种基于多任务压缩感知的全极化雷达目标识别方法。该方法约束在不同极化字典中选择来自相同角域的字典原子对相应极化方式下的HRRP进行表示,可以有效利用不同极化HRRP之间的相关信息提高目标识别性能。基于电磁散射数据对所提出的方法进行了测试,实验结果证明了方法的有效性。