坚持以军民融合式发展思想为指导不断提高国防动员应急专业力量建设水平

国防动员应急专业力量是指担负应急救援任务的民兵、预备役部队及人民防空、交通战备等国防动员专业保障队伍，是有效应对自然灾害、事故灾难、公共卫生事件的重要力量。近年来，各省（区、市）以应急任务为牵引，结合本地区实际，大力加强国防动员应急专业力量建设，在出色完成繁重的抢险救援任务的同时，边实践边总结，迎难而上、开拓进取、创新发展，各项建设取得了长足的进步：组织结构趋向合理、训练质量不断提高、各项保障有所改善、     

国防建设巡礼——甘肃省兰州市

兰州是西北地区的交通枢纽，是甘肃省政治、经济、文化和军事中心，自古就起着“联络西域，襟带万里”的作用，战略位置十分重要。近年来，兰州市市委、市政府和兰州警备区坚持把国防动员建设融入经济社会发展全局，积极探索军民融合发展新路，全市国防动员建设取得长足发展。     

紧紧抓住军民融合式发展关键积极推进国防动员体制机制创新

国防动员建设是和平时期积蓄国力、巩固国防的战略性工程，是实现军民融合式发展的重要组织形式和桥梁。新的历史条件下，在推进军民融合式发展的实践中，中央军委胡锦涛主席一再强调，要进一步完善军民结合、     

弹性BP神经网络消除轮速传感器误差方法的研究

汽车轮速是汽车运动状态参数的主要信息源,是控制系统的核心,其精度直接影响这些系统的性能.为了提高轮速的精度,降低传感器的研制成本,提出了一种基于弹性BP神经网络的误差分析方法消除轮速传感器误差.将改进的BP神经网络--弹性BP神经网络用于误差分析,并提出误差匹配的算法.理论和仿真结果表明,该方法使绝对误差达到2×10-4>rad,能够有效地消除传感器误差,提高轮速信号的精度.     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

FDIA对雷达组网系统数据融合的影响分析

雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。     

基于极化特征的阵列天线地表识别策略

针对低空飞行平台阵列天线对地测高问题,提出了一种基于极化特征的地貌识别策略。该策略主要对探测波束范围内地表与地物进行区分,对于具有明显区分度的探测区域,利用极化旋转不变参数对地物进行特征分析;对于不具有明显区分度的探测区域,利用极化回波重构技术进行判定。并结合FastICA算法获得探测区域方位信息,使平台具备高精度的目标定位能力。仿真实验验证了该策略的可行性与优越性,在干扰存在时也能准确区分地表与地物。     

一种有效的红外图像融合算法

给出了一种基于átrous算法红外与可见光图像融合算法,该算法主要针对光谱差异较大以及配准精度较低的这类图像的融合算法。该算法首先对融合图像源进行átrous算法分解;随后,对分解的低频信息利用取加权法进行融合;高频信息首先利用边缘检测技术对不同尺度不同方向的高频信息进行边缘点的加强,然后以区域的空间频率为度量标准得到新的高频系数;最后进行átrous算法重构得到最终的融合图像。通过两组红外和可见光图像的融合实验,结果表明该方法能有效地突出边缘细节,提高图像分辨效果和人眼对场景目标的发现和识别概率。