基于数据驱动的自学习防空火力控制技术

立足打赢未来智能化战争的作战需求,提高目标探测识别、运动参数估计的实时性和准确性,解决自主拦截决策建模难度大、决策结果稳定性差等问题,通过引入数据挖掘、深度学习、神经网络等人工智能技术,重点开展基于大数据的多类型目标状态空间模型分析、多探测模式下的目标融合识别技术、基于卷积神经网络的射击诸元修正等,研制一套自学习防空火力控制系统,有效弥补传统防空火力控制技术在时敏目标状态空间模型、大闭环校射、协同信息处理、控制决策等环节的不足,提升火控系统自修正、自学习能力,为武器装备向无人化智能化方向发展提供技术支撑.     

光电火控系统大闭环校射技术研究

火控系统大闭环校射的关键技术是弹目偏差的获取和补偿的工程应用,传统的弹目偏差获取往往依赖于相控阵雷达或靶场电影经纬仪交汇,成本非常高。随着各领域技术发展,利用图像处理的方法实现闭环校射已成为可能。提出了一种采用弹目交汇时刻与实时图像相结合的方法实现弹目偏差测量,可在很低廉的成本基础上由作战平台独立完成该项功能。该技术具有非常好的效费比,对于未来陆装和舰载武器系统的发展,以及现役高炮防空武器系统的改进具有深远意义。     

军事经济法的概念、调整对象和体系

随着我国军事法制建设的加强,军事经济法的研究日益受到广大学者的重视,但理论界目前对军事经济法的一些基本问题还没有形成一致的明确的认识。本文针对这一现状,运用法学理论研究的方法阐述了作者对军事经济法的概念、调整对象及体系的基本认识。