Matlab与C混合编程在火控系统仿真中的应用

目前在火控系统仿真过程中主要采用C语言进行编程,而Matlab与C混合编程能够很好地均衡编程时间和程序执行效率。为此介绍了利用Matcom工具和调用Matlab引擎这两种Matlab与C混合编程的方法,这两种方法具有广泛的实用性,在火控系统仿真过程中可以根据具体情况进行选择。     

无人作战分队的不确定性作战任务建模

现代战争战场形势复杂多变,若忽略任务的不确定性带来的影响,则可能导致生成的作战任务在实际战场中无法准确执行,针对此问题,在结合IDEF0和IDEF3建模方法的基础上,考虑了任务的不确定性因素,加入了概率学的理论,依此建立了无人作战分队的不确定性任务模型。分析了任务之间的联系,给出了相应的图元映射表。对IDEF0和IDEF3的建模方法作了阐述。最后对一个无人作战分队攻占主要夺控点的不确定性作战任务进行了建模,验证了该方法的有效性。     

面向无人驾驶的野外道路可通行区域检测

针对野外非结构化道路中存在的环境背景复杂、道路类型多变、没有清晰车道线、没有规则道路边界等难点,提出一种基于语义分割的可通行区域检测方法。对所选取的数据集进行处理,将数据集标注为可通行区域、难通行区域、不可通行区域、天空4种类型;应用双边语义分割网络Bisenet进行4种类型的分割;再应用C-均值聚类算法进行可通行区域部分的提取以及二次分割,进而实现更精细的可通行区域检测。通过验证,该方法具有良好的检测效果,平均交并比达到78%,高于传统的方法。在野外道路无人驾驶方面具有一定的实际应用价值。     

基于深度强化学习的无人战车自主行为决策

针对高动态强对抗战场环境下,无人战车面临的自主行为决策问题,分析了未来陆战场无人战车实际作战需求,构建了基于马尔可夫决策过程的自主行为决策模型,提出了一种深度强化学习结合行为树的方法,利用行为树的逻辑规则与先验知识降低强化学习问题的难度,保证收敛性和鲁棒性,同时使行为决策模型具有学习能力.构建典型作战场景,验证深度强化学习结合行为树的无人战车自主行为决策方法的有效性.     

基于改进TOPSIS方法的坦克分队作战方案优选

针对坦克分队的作战方案优选问题,对于传统的逼近理想解排序方法(TOPSIS方法)提出了一种改进方案。分析了传统TOPSIS方法中的逆序问题,以及上述情况下由于评估方案较少,正、负理想解选取方法不合理的问题。提出了将作战方案的取值空间中各指标边界值作为正、负理想解各指标值的改进方法,使改进后的TOPSIS方法更适合评价方案较少的情况,同时避免了逆序问题。     

某战车显示终端LCD控制器设计

讨论了某战车显示终端上一种LCD控制器的设计方法。采用ADI公司的双核数字信号处理器BF561作为LCD的控制器,不需要外部的ASIC时序电路,可以直接与LCD显示屏对接,简化了电路设计。详细描述了该控制器的硬件设计和软件设计,提出了设计中应注意的问题并给出了解决方案。     

一种基于双核架构的战场监视系统的实现

在先进的C4ISR系统中,战场监视是其重要的一部分。讨论了一种战场监视系统的设计方法,以双核嵌入式数字信号处理器BF561为中央处理单元,以视频控制器TW2835为视频前端,构建了一个嵌入式平台,同时接收4路视频输入,实现了对战场环境四个方向实时监视,并完成对视频数据的压缩、存储、网络/无线传输等功能。