固定节点3D网格部署的水下传感器网络分簇路由算法

水下传感器网络是应用于水下通信的重要传感器网络技术。提出了基于固定节点3D网格部署的水下无线传感器网络分簇算法,设计了3D网格的编址和分簇方法,实现了基于地址分配的节点定位,构建了算法的能耗分析模型。采用MATLAB完成了算法的性能仿真,对比了DS-VBF、IAR和GEDAR 3个算法的平均数据传输延迟和网络生存时间(TTL)。实验结果表明,此算法的平均数据传输延迟较短,可明显提高UWSNS的生存时间。     

坦克直瞄/间瞄射击一体化火控技术

直瞄射击方式是目前坦克采用的主要射击方式。直瞄射击方式受战场通视度及瞄准装置视距的影响,最大射击距离一般在5 km左右。间瞄射击方式不需要直接瞄准目标,不受战场通视度的影响,最大射击距离主要取决于火炮及弹药的性能,一般在10 km以上。未来坦克应具备直瞄射击与间瞄射击一体化能力。通过直瞄/间瞄射击火控技术的对比与分析,提出坦克直瞄/间瞄射击一体化火控方案。一体化火控具有新的技术特色,具有更强的综合作战能力,是未来坦克火控技术发展的一种趋势。     

(2015GIS)基于GIS的视频传感器覆盖范围计算方法

视频传感器覆盖范围计算是视频传感器网络初始配置、优化部署等的核心基础,其精度严重影响覆盖分析的结果,然而现有很多方法并未考虑计算方法执行效率与精度的影响,而方法的精度与效率在大范围监控视频覆盖分析应用中显得尤为重要。文章提出了一种兼顾速度与精度的视频传感器覆盖范围计算方法,首先将地理空间进行格网化;然后计算每个格网角点被视频传感器其覆盖状况,用0或1表示;接着,以格网四个角点的覆盖情况描述格网的覆盖情况,将格网分为16种覆盖状态;然后,逐步细化整个格网覆盖状态非(0000)和(1111)的格网,直至达到预设精度;最终获得视频传感器的覆盖范围。实验结果表明,本文方法能够更为精确地获得部署在地理场景中视频传感器的覆盖范围,同时兼顾了计算方法的速度和精度。     

防发散无迹卡尔曼滤波自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。     

五花八门的?

外宾虽然操着不同的语言,但这完全不会成为他们的沟通障碍,不管是哪个国家的外宾,都会对我们的战士进行"临时采访",脑洞大开的外宾会有什么问题?战友们,如果是你面对外宾,遇到这样的问题,你会怎么回答昵?     

一种自适应Harris角点检测算法

针对传统算法检测效果不理想的问题,提出了一种基于自适应非最大抑制策略的Harris角点检测算法;通过设置抑制半径与角点响应函数的局部最大值关联,减小抑制半径获取角点。算法有效解决了阈值选取和"聚簇"的问题。实验表明,该算法检测出的角点均匀分布,能很好地适应特征匹配等实际应用。     

公安现役部队非战争军事行动训练面临的挑战与对策

当前,边境安全形势复杂、训练理念陈旧、部队勤训矛盾突出、训练内容与安排不合理、训练保障能力有限等主客观因素,制约着公安现役部队非战争军事行动训练的开展,对公安现役部队形成非战争军事行动战斗力构成了挑战。树立科学的非战争军事行动训练指导思想与理念,创新训练方法和手段,优化训练内容,加强教员队伍建设和训练基地建设,是改进非战争军事行动训练的有效对策。     

基于运动合成的小推力轨道优化方法

针对小推力轨道优化设计问题,提出一种基于运动合成的新方法。给出基于运动合成的小推力轨道机动表达方式,将小推力轨道运动分解成相对独立的三项:单独考虑日心引力的二体轨道运动,单独考虑小推力的运动,以及小推力的存在引起的日心引力摄动作用下的运动。分别给出各项运动的解析表达式,通过合成叠加得到小推力轨道的近似解析解。在此基础上,将小推力轨道优化问题转化成非线性规划问题,并利用序列二次规划方法求解。以小行星1989ML、火星和金星交会任务为例分别进行仿真实验,结果表明,所设计轨道满足任务约束,验证了该方法具有可用性和高效性。     

“打胜仗”,推动创新发展——专访总装防化研究院院长郭东风

正桌上摆着各类中外书籍,话不多却句句分量十足,专家型领导,是我们采访院长最直接的印象。这位从防化兵成长起来的领导,没有华丽的语言,只有对自己工作最朴实的理解和定位。担当精神,忧患意识,让他引领着防化科研不断向前迈进。从中,我们也重新认识了防化兵,重新认识了防化科研。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。