军工企业资本运营问题的思考

军工资本运营是军工企业改革的一个全新的领域,善用军工资本运营可以有效缓解军工企业在发展中所遇到的深层次矛盾及问题。鉴于军工行业的特殊性以及资本运营的高风险性,我国军工企业在资本运营的具体实践过程中仍需加强风险的控制与管理,需要在政府的适度干预下,加强体制改革,转换经营观念,为军工资本运营打下良好的制度基础。     

军事物流系统时间目标优化初探

军事物流系统时间目标的优化应当遵循系统整体时间最优、保证系统稳定性与可靠性、充分利用地方物流系统资源等原则。要建立快速高效、统筹协调的组织机构,加强硬件设施建设,推动制度创新,提高信息化管理水平。     

中国国防支出与教育支出关系——基于VAR模型的检验

利用VAR模型对我国国防支出和教育支出的关系从不同的角度进行检验,从样本总体来看,我国的国防开支与教育开支呈现出显著的负相关因果关系。实际GDP增长率能解释国防支出的变化,但在统计上却表现为负向关系,即GDP的增长率越高,国防开支占GDP的比重反而下降。这说明,我国国防建设尚未跟上经济发展的步伐,政府应加大对国防的投入,促进国防建设与经济建设协调发展。     

军品定价模式及其选择

军品定价模式多样,我国军品定价应从实际出发,通过区分军品的属性、类别以及通用性来选择不同的定价模式。对于武器系统通用的小零部件等,可由市场提供,采取市场为导向的竞争性定价模式;对于军民通用的军品,应采取具有突出竞争性的军品定价模式;对于投资大、具有军事保密安全特性、战略性的军事专用装备的购置,则应采取单一来源采购的成本导向定价模式并重点关注对质量的要求,由国家宏观政策主导控制军品价格。     

大国军火出口动因实证研究——基于七国面板数据的检验分析

文章运用美、英、法、德、意、俄和中国七个主要常规武器供给国近20年的军火出口、军费开支、武器进口总需求的面板数据,利用变系数固定效应面板回归模型,将国防产业发展战略、军事外交政策、武器装备生产技术水平等潜在变量融入到实证分析之中,从实证角度分析这些变量的变化对某国军火出口的影响;通过把安全因素和经济因素结合起来,对各大国军火出口的动机进行对比分析,揭示出冷战后大国军火出口的演进规律;同时,对我国参与世界军火贸易提出了相应的对策建议。     

基于资产专用性的装备采办最优定价研究

军事专用物品的研制生产需要投入专用性资产，专用性程度越高，投资的风险越大。为了保证专用物品生产者的投资能够获得应有回报，专用性物品需求者能够得到足够的产品，在高投资和低投资两种投资规模可以选择的情况下，在考虑成本和收益约束条件下，通过建立委托代理模型求出的达到资源有效配置和效益最大化的装备采办最优定价，可以有效防止装备采办过程中由于利用不确定性而进行的机会主义行为。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

基于深度神经网络的OFDM系统IQ不平衡补偿技术

正交频分复用(OFDM)是现代移动通信中一项重要的物理层通信技术，并且OFDM系统要求子载波间严格正交。然而在实际系统中，振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase，IQ)不平衡，从而破坏子载波的正交性，严重影响OFDM系统的性能。本文研究了IQ不平衡对OFDM系统的影响，提出了基于并联深度神经网络的IQ不平衡补偿技术。该算法利用了深度神经网络不依赖于模型的特点，直接从接收到的频域信号恢复原输入信号的二进制序列，并利用IQ不平衡的干扰信号来自镜像子载波的先验知识来初始化神经网络，加快其网络优化的收敛速度。仿真结果表明，该算法能有效地补偿IQ不平衡失真，并且在幅度和相位失真的补偿上，其性能都优于传统的导频的最小二乘（LS）估计补偿IQ不平衡的算法，证明了深度学习方法解决物理层问题的优越性。