模糊推理方法在无人机编队目标分配中的应用

本文主要针对无人机编队作战中的目标分配问题进行了研究,利用模糊推理理论对定性条件进行了分析,并建立了定性条件的优选决策矩阵,将各个定性条件下的优选决策矩阵进行了合成,给出了不同目标定性条件重要度的相对隶属度关系,最后给出了基于模糊推理的无人机编队作战中目标分配方法的数学模型,并进行了求解。给出的算例验证了模型的可行性和有效性。     

利用复单脉冲比的群目标存在性检测算法

详细推导单目标和群目标条件下单脉冲比的统计特性,根据其本质差异提出基于单脉冲比的群目标检测算法,在双目标条件下通过仿真分析了群目标检测性能与信噪比、目标角度间隔以及复幅度比之间的关系,得出了有益的结论。当小目标伴随大目标时不容易被检测出来;两个幅度相当的目标,相位差别越大越有利于群目标检测。群目标检测可以有效剔除"野值",为分辨与测量奠定基础。     

Stalking the Secure Second Strike: Intelligence,Counterforce, and Nuclear Strategy

Secure second strike nuclear forces are frequently held to be easy to procure. Analysts have long argued that targeting intelligence against relocatable targets like submarine launched and land mobile ballistic missiles is difficult to obtain. However, the scholarly consensus on intelligence for counterforce operations is seriously overdrawn. Both during and after the Cold War, the United States developed substantial intelligence capabilities to track and target submarines and mobile missiles. These efforts achieved important and under-appreciated success. Second strike forces have been far more vulnerable than most analysts are willing to credit.     

基于推理的体系对抗条件下空袭目标优选方法

针对体系对抗条件下空袭目标选择缺乏不确定多要素分析能力和足够的自主推理能力,研究了空袭体系的基本作战样式,根据智能决策模拟系统需求,结合决策行为产生机理,建立基于区间数的综合推理模型,给出空袭目标优选规则,提出基于推理的体系对抗条件下空袭目标优选方法,最后给出一个仿真实例。实例结果表明,该方法可作为体系对抗条件下作战仿真系统的重要组成部分,为军事指挥员提供辅助决策支持。     

基于ANP的多目标网络目标重要度评估方法

摘　要：目标重要度分析是军事计划人员开发作战计划方案的前提和基础,是形成作战行动的基本依据。针对多目标网络中重心的抽象性及不易打击的特点,分析影响重心的关键要素及其依赖关系,提出了基于改进网络分析法的多目标网络重心模型,利用该模型分析目标相对于重心的重要度。研究了该模型涉及的两个关键技术,即改进判断矩阵以提高决策的速度和克服决策的主观性,利用协调理论确定要素之间的依赖关系。以分析某地区多目标网络的过程为例,验证了该模型的有效性和合理性。     

基于前向型神经网络的空袭目标类型识别模型

对防空作战中空袭目标类型识别问题进行了研究 ,给出了进行目标类型识别的指标集 ,并建立了基于前向型神经网络识别模型 ,实例证明该方法是可行的。