目标网络分层描述与自修复机制研究?

针对目标网络分层建模与自修复机制问题展开研究。首先建立了分层次的作战目标网络模型，在此基础上提出六种维度的指标以评价作战目标网络在攻击前后能力的变化情况；其次，从预警网络层、火力网络层、指控网络层分析探索作战目标体系在遭受攻击后的最优自修复策略；最后，通过模拟攻击实验仿真分析上述自修复机制的可行性。实验结果表明该目标网络的自修复机制相比传统方法，能够更好地发挥剩余节点的作战效能。     

舰艇对空自防御系统集成优化方法

舰艇对空自防御系统的集成优化设计是提高系统使用性能的重要途径，系统地分析了舰艇对空自防御系统集成优化的总体思路和主要工作内容，提出了采用开放式体系架构和基于公共计算服务环境技术的舰艇对空自防御系统集成优化方案。     

基于案例推理的指挥实体任务规划高维解空间适应性问题研究?

利用案例推理对指挥实体任务规划过程中决策问题求解方法的修正过程是该方法推理过程中最困难的阶段，尤其当决策问题解空间是多维的情况下。讨论了指挥实体任务规划过程中高维决策空间的修正问题，并提出了可行的解决方法。首先，利用自组织匹配法清晰展现问题空间与决策空间的映射过程，然后，利用反向传播神经网络分析匹配结果间的相关性问题，最后，选取一个简化的军事剧情对该方法的合理性进行验证。     

基于相关参数的自修正飞行数据估计方法

提出了自修正的数据估计方法.用待拟合参数及相关参数组成多阶数据矩阵,利用递归神经网络对数据矩阵中缺失数据进行初次多阶拟合;利用滑动窗口,在历史数据矩阵中进行相似模式搜索,以相似度作为权重系数,对初次拟合结果进行加权修正.分析证明,该算法的最差、最好复杂度分别达到了理论最好结果.从仿真结果可以看出,自修正算法数据拟合结果误差较之单纯神经网络拟合更小,估计精度更高.     

系泊状态下舰载捷联惯导系统自对准研究

系泊状态下舰船发生三轴摇摆，使惯性元件中附加摇摆信息，严重影响对准精度。给出了较为完整的对准办案：在粗对准阶段，将惯性元件输出数据进行预处理以实现姿态矩阵的粗略估计；住精对准阶段，采用参数辨识法计算角速度和角加速度以实时估算杆臂K度，实现对杆臂误差的补偿，并通过卡尔曼滤波完成对姿态的精确估计。仿真结果表明：粗对准方案能够较准确地实现水平姿态跟踪，参数辨识法避免了对角增最二次微分引入的误差，验证了方案的可行性。     

智能化雷达干扰系统自学习模型研究

首先对自学习进行了阐述;然后研究了雷达对抗中敌我双方的参数、特征知识及知识表示;最后提出智能化雷达干扰系统中的2个过程自学习模型:雷达辐射源识别规则自学习模型和对敌雷达干扰策略自学习模型,为深入研究智能化雷达干扰系统提供模型基础.     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.