基于网络中心战的C2BMC信息分发模型研究

美军导弹防御的C2BMC系统是应用网络中心战思想较为成功的案例之一.旨在通过建立其信息分发模型探索其成功原因,达到加深对网络中心战思想理解的目的.首先介绍了C2BMC系统的发展现状,然后对导弹防御系统信息流的类型、特点进行深入分析,提出了导弹防御作战信息分发系统的概念,并在此基础上建立了概念级、指挥结构级和描述级的C2BMC系统信息分发模型,为获取信息优势、建设信息化装备提供理论支持.     

海上编队雷达网优化部署系统的设计与实现

建立海上编队雷达网优化部署系统模型,包括实体模型和认知模型。仿真海上编队雷达网在无威胁条件下的优化部署和面临干扰和超低空突防威胁时的对抗过程,经过海上编队雷达网优化部署认知模型的解算,指挥舰队编队成员进行机动部署,编队成员通过重新机动,使编队雷达网获得较好的探测性能。仿真结果表明所建立模型的可行性和正确性。对于在未来海战场复杂电磁环境下,更好地发挥编队雷达网探测、预警能力具有重要意义。     

网络中心式空战仿真研究

将网络中心战思想引入空战仿真研究,提出基于复杂适应系统理论的网络中心式空战模型.对网络中心式空战子模型进行设计,使空战单元根据对局部环境的感知所获取的态势信息来调整自身个性,调整规则依据约束变量的设定和决策元规则.通过仿真实验着重考察了具有自适应性的空战单元在空战对抗中的作战表现,实验结果初步验证了其战斗效能优势.     

联合机动编队多源信息感知网络价值分析

为了真正认清联合机动编队多源信息感知网络的理论价值,按照复杂网络理论的网络连接方式,定性分析了多源信息感知系统的网络拓扑结构,并应用小世界模型(WS)建立了多源信息感知网络价值增益模型,然后进行了实例仿真分析.研究结论对联合机动编队多源信息感知网络的建设与运用有一定的启示.     

基于VD-AiNet聚类算法的空袭目标类型识别

针对防空反导作战中空袭目标类型识别问题,在分析空袭目标的主要类型、识别指标及其识别原则的基础上,将人工免疫算法中矢量距人工免疫网络聚类算法应用于抗体样本训练模块,并建立了抗体训练和目标识别的并行决策模型.最后进行了算例验证,结果表明了算法和模型的可行性和有效性.     

新课改理念下基于网络环境的教师培训的实践探索

在新课程的理念下,对教师在职培训提出了更高的要求,在偏远地区,优质教育资源相对比较匮乏,基于网络的教师培训与传统教师培训相比更有利于教师新课程理念的培养,本研究对新课改理念下基于网络的教师培训的实践探索进行总结分析,期望能对偏远地区开展网络环境教师培训提供一些有益的经验。     

具有分布时滞的随机反应扩散细胞神经网络的几乎必然指数稳定性

研究一类具有分布时滞和反应扩散的随机细胞神经网络的稳定性。通过构造Lyapunov泛函,并利用It公式、半鞅收敛定理以及不等式技巧,得到了系统几乎必然指数稳定的充分条件。     

基于Libpcap网络数据包捕获技术的改进

分析了Linux下基于Libpcap的网络数据包捕获技术机理,指出了影响数据包捕获性能的＂瓶颈＂,通过零拷贝技术、内存映射技术和中断节制机制对其改进,并进行仿真实验。结果表明：改进方法可以显著提高数据包的捕获率。     

对称五元照射的SCM网络设计分析

从需求分析、对称五元照射器组阵设计、单通道单脉冲（Single-Channel Monopulse,SCM）网络设计等几个环节,深入分析了无人值守条件下高动态低仰角跟踪所采用的对称五元照射SCM网络的实现方法。通过与传统3通道天线组阵的比较,阐明了新对称五元照射阵列的优越性;通过与双通道多模馈源和差网络的比较,阐明了新SCM网络的特点;根据校飞试验结果,证明了设计方法的合理性。     

Amari-Hopfield神经网络技术在目标运动要素解算中的应用

针对潜艇目标运动要素解算过程中经常出现的非正常误差及其无规律性,采用Amari-Hopfield神经网络思想,通过对残差的学习和训练来抑制非正常误差的影响,达到提高目标运动参数估计精度的目的。海试数据计算表明,该方法对海试量测数据中非正常误差量测点能有效地辨识并抑制,从而改进目标运动要素解算的效果。