通过协作的人机交互进行态势估计

数据融合表征为在4个抽象级上进行:单元级、态势级、威胁级以及资源分配级。单元级特性试图确定各个平台目标属性。在态势级,探测诸如战斗群这样的单元编队。在威胁级和资源分配级,对可能的敌方意图和我方可能作出的反应进行推理。然而,对于更高级的抽象,也就是战斗力和威胁的抽象,没做什么工作。这篇论文提出了一种态势估计方法,其中包括战斗力与威胁的明确概念化。对这些战斗力与威胁的图形说明是为了加强单元级描述,避免含糊不清。这篇论文采用了一种崭新的用户接口——该接口允许人与计算机进行协作,使得战术估计优于人或机器独自工作的水平。论文随后说明人机责任的自然分工,并以战争情景为例说明这种协作系统的益处。     

多传感器数据融合结构及其技术述评

在国防部(DOD)的指导下,实验室联合指导委员会(JDL)成立了一个传感器融合委员会,它们开发出的数据融合结构非常成功。该结构的目的在于在数据融合研究者之间,建立一种标准的和通用的语言。JDL开发的结构主要为了军事应用。不过,当国际政治和经济气候急剧变化时,反映快速变化着的环境是极其重要的,因此,必须把重点放在灵活的处理能力上,以便容易接收各种工业/商业要求。 本文从JDL数据融合结构和其它非军用融合结构必不可少的功能元件组成的简短评论开始。本文的主要目的是指出那些在传感器融合研究界和应用界引起混乱的某些重要的问题,并且向实际工作人员提供应用指导。     

传感器数据融合系统的代数说明

我们对感知数据融合(SDF)的主要研究目的是:开发一种系统方法,以便设计解释感知信息以及根据这些信息和可用的数据库与知识库推断态势的软件系统。针对该目标,我们开发了一种SDF用的模型-理论框架。该框架的前提是:把数据嵌入数据模型中,把信息处理机构嵌入模型算子中。在本文,我们简要地讨论了模型算子的类型和它们在SDF中的含义。接着介绍融合来自距离和强度传感器的数据的原型SDF系统,并举例说明框架中所介绍的结构。最后,我们说明怎样用框架体系来表示和证明系统特性。SDF框架是通用的,与具体应用领域是无关的。它用于SDF系统的高级说明,并用于检查与任何设计或实现决策无关的相容性。     

做大做强种业

种子是农业生产的基础,可以这样说,21世纪世界农产品市场的竞争．首先是优良品种的竞争,优质农产品种子的生产能力,决定着兵团农业在国际市场上的竞争能力。兵团种子产业起步较晚,基础比较单薄和脆弱,面临挑战的形势更为严峻。     

美国得了“胜利病”？

不可忽视的“胜利病”。驻伊拉克的美军地面部队指挥官威廉姆斯·沃伦思中将说：“我们正与之交战的敌人不同于我们在演习中所假想的敌人。”沃伦思的话揭示了在美国军方和社会上普遍存在的一种令人不安的文化现象。这种现象的出现有两个必要的前提,即强大的军事实力和迅速发展的经济实力,这两个方面有可能使国家及其军事力量更容易遭受失败。由于拥有了强大的军事实力和国力,美国国家和军事领导人可能会因此对本国武装力量的能力过于自信,并开始低估敌人的能力,这两方面都有可能播下灾难的种子,从而导致惨败。     

异步转移方式(ATM)技术应用到指挥,控制和通信(C^3)…

异步转移方式对支持带宽要求强烈的,延迟敏感的领域大有作为,是未来Ｃ＾３系统的标志。在Ｃ＾３中实现ＡＴＭ,在做这样一个复杂的决策过程中,有许多因素要加以考虑。因为按照它们的性质,信息决策技术枉来就复杂,使用框架有助于构造这种决策问题。     

军事支出对就业和经济增长的影响

军事支出的增长对许多重要的经济变量会产生显著影响。本文以大量的资料,从不同的角度集中考察了军事支出对就业和经济增长的影响。     

美国“亲菲疏中”并非明智之举

在中国与南海各国的领土争端（尤其是中菲领土争端）问题上,美国当前的干预力度越来越大。2013年8月,美国国防部长查克·哈格尔在访问菲律宾时称,美菲同盟是“该地区和平稳定的基石”。2014年4月28日,美菲两国签署防务合作协议,允许美军使用菲律宾军事基地部署海上力量。另外,美国还将加大对菲律宾的军事援助力度。2014年,美国已经为菲律宾提供了5000美元的军事援助,这是2013年援助金额的两倍。同时,美海军在菲律宾周边海域活动的次数也不断增加。根据路透社的消息,2013年美国海军在该海域进行了149次访问,而2012年仅为68次。尽管菲律宾领导人·再坚称,防务合作协定不会同意美军在菲的“永久存在”,但如此频繁的访问与永久存在的差别其实并不大。