伊拉克战争中美海军电子战飞机——电子杀手：从“徘徊者”到“咆哮者”

2003年3月26日傍晚,夕阳将碧波万顷的波斯湾染成一片金黄色,美国海军“林肯”号核动力航母已转舵到逆风高速行驶,在平静的海面上犁开了一条白色航道。甲板上海风阵阵,一架EA-6B“徘徊者”式舰载电子干扰机已经在1号阵位上做好了起飞准备,导流板升起后,“徘徊者”的两台涡轮风扇发动机顿时怒吼起来,震耳欲聋的轰鸣声覆盖了“林肯”号的飞行甲板,随着引导员一记有力的手势,“徘徊者”喷出两团橘红色的火球,机身猛地向前一蹿,便一头扎进了波斯湾的暮色之中…… “徘徊者”舰载电子战机紧贴海面向大陆疾飞,不一会儿工夫,海岸线就在机翼下一晃而过,战机已经在伊拉克上空飞行,机长安德斯上尉加强了望,座舱外是一望无际     

提高打击机的战斗指标

任何时候,水都是战争的决定性介质。汲水为供水的组成部分,根据不同的地理条件,只有使用打井机才有可能保证汲水。本文简要介绍了有关提高打井机战斗指标的计划。     

一种新的支持向量机决策树设计算法

支持向量机决策树的精度和速度取决于树结构。为了获得好的泛化性能,应由可分性强的类为树的上层结点定义分类子任务。提出了一种新的支持向量机决策树设计算法。决策树中每个结点的分类子任务定义规则如下:采用模糊核C-均值将当前训练集粗分为两个子集,然后基于隶属度从各个子集中选择可分性强的子类定义当前结点的分类子任务,并将可分性弱的子类移至下层结点。实验结果表明,该方法的精度和速度都优于其他传统的多类分类方法。     

基于改进支持向量回归机的天基信息系统效能评估

天基信息系统效能的评估对于一体化作战的现代战争具有重要意义。针对武器系统效能评估的影响因子复杂、样本数量少、非线性较强等特点,采用支持向量回归机算法,并引入布谷鸟搜索算法对支持向量回归机的3个参数进行优化选取。仿真实验结果表明,改进支持向量回归机与传统支持向量回归机、BP神经网络相比,具有更高的准确度,可以有效地对天基信息系统进行效能评估。     

基于SVR的飞行学员培养效果仿真

研究了飞行学员培养效果与训练内容、训练时次的关系是进行课程优化的前置工作,针对实际工作很难对训练计划的阶段训练效果进行预测,缺少必要的工具对飞行学员经过阶段性培养后应达到的水平进行定量化描述,在运用层次分析法对近3年飞行学员能力评定的基础上,利用支持向量机回归预测方法,构建了飞行学员培养效果预测模型,并利用MATLAB进行了验证,可为飞行学员训练效果预测提供技术参考和研究方向。实例表明,与常用的BP神经网络预测方法相比,所提出的支持向量机回归预测方法在训练效果预测精度上具有明显优势。     

基于小波变换和支持向量机的水下目标分类方法

水下目标识别技术是世界各国十分重视的研究课题之一,具有重要的理论和应用价值。简要介绍了小波变换、多分辨率分析及支持向量机的基本原理,针对舰船辐射噪声信号,利用小波变换来完成信号的预处理和滤波,在小波变换后信号的多尺度子空间上提取信号的能量特征参数,归一化处理后构建特征向量,最后用支持向量机算法进行分类。仿真结果表明,利用小波变换的多分辨率分析和支持向量机能对舰船辐射噪声信号进行有效分类识别。     

1553B接口模拟制导机设计与实现

根据某型合成孔径雷达项目型号的需要,在对该型号通信协议分析的基础上,采用1553B总线通信接口来设计满足雷达项目型号要求的模拟制导机,以配合项目型号的研制、调试和后续的保养维护等工作。模拟制导机采用某航天研究所自主研发的国产4 M/s速率PCI-1553B板卡、惯性测量单元和PC机结合,构成模拟制导机所需要的导航数据源、串口通信和1553B总线通信接口硬件平台。采用Visua1 C++6.0开发工具,设计模拟制导机界面、数据转换处理等软件构成模拟制导机通信控制平台。项目型号的调试结果证明,模拟制导机能够正确发出指令和制导数据,运行稳定,达到了设计要求。     

基于PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...     

基于粗糙集支持向量机的空袭目标识别

为提高对空袭目标的识别能力,提出了一种基于粗糙集支持向量机的空袭目标识别方法.该模型用RS方法构建SVM数据处理系统的前置系统,充分利用RS理论在处理大数据量,消除冗余信息等方面的优势,减少了SVM训练数据,克服了SVM算法因为数据量太大而导致处理速度慢的缺点.根据分类识别的要求,在RS-SVM两类分类算法的基础上,建...     

邻近支持向量机的阵列波束优化

针对标准支持向量回归波束形成器的计算复杂度高、内存开销大、训练速度慢的缺点,提出了邻近支持向量机(Proximal Support Vector Machine,PSVM)波束优化方法。PSVM打破了通过对偶问题求解原问题的传统思维,将支持向量回归的约束条件等式化,直接对原问题进行分析与求解,给出了基于PSVM波束形成器的优化模型及具体实现过程,并进行了数值仿真实验。研究结果表明,在保持波束形成器性能基本不变的情况下,降低了计算复杂度,减少了内存开销,提高了训练速度。与传统的支持向量回归波束形成相比,具有良好的快速性,为波束形成器的优化设计提供了一种新的有效方法。