以微处理机为基础的跟踪与瞄准系统的宽频带现代控制

本文叙述多年来从事宽频带、高精度跟踪与武器瞄准控制系统开发、以至实际实现具有现代技术水平的现代控制理论与微处理机相结合的武器控制系统的一些最新研究成果。     

VR黑板——策划和训练的任务可视化

本文概述了虚拟现实(VR)在临场训练中的优点以及在进行虚拟现实设计中应注意的问题。     

自治舰艇概述

由海军水面战中心(NSWC)的创新中心卡特洛克分部提出的自治舰艇概念阐述了用先进的计算技术在未来舰艇中实现全系统综合、自动化并减少人员配备。该概念综合分布式结构、信息技术和模块化系统,使用4个自治原理:容错系统、软件对象、无处不有的计算以及任务和功能分析。简单地说,自治舰艇的形象可描述为这样一种舰艇,即人们决定做什么,舰艇就做什么。     

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。     

模糊逻辑应用于多传感器多目标相关

一致性战术图象要求数据融合技术把来自不同对象和通常含糊的态势的信息进行组合并传播。信息包含在两种类型的数据中:从传感器测量得到的数值数据,和从操作手以及领域专家得到的语言数据。在实际情况中,数值数据可能是有噪声的、不一致的、不完整的;而语言信息是不确切的、模糊的。为同时处理这两种类型的数据,模糊集和模糊逻辑提供一种方法论,能够为其复杂或不定工程问题及时获得近似的但却一致的战术图像。 本论文介绍了模糊数据融合的功能范例。它包含4个基本组成部分:1)明确因素的模糊化;2)从输入/榆出数字关系和人推导出的模糊知识库;3)基于某种模糊逻辑的模糊推理机构;4)将模糊输出解模糊为明确的输出供工厂使用。对于一个实时的实际系统而言,从给定的明确输入集中给出在线的模糊隶属函数是很重要的。为此,从明确输入数据中估计出最优隶属函数的方法已经实现。这是基于L.A.查德提出的可能性/概率一致论原理。模糊隶属函数和统计输入数据置信度之间的关系已经形成,并用作模糊化的一个设计参数。该技术已应用于二维多传感器多目标跟踪系统。文中还介绍了模糊系统性能评估。利用实验室环境中的仿真数据进行仿真评估使命航空电子技术传感器最佳协同系统MASS。对于使用模糊逻辑技术数据相关函数,显示     

第25届世界标准日祝词

标准与消费者:一个更加美好世界的伙伴一个驾驶员,无论在世界任何地方租用一辆汽车时,他都会设想到这辆汽车脚踏板的安排和他自己的汽车会是一样的,并且他会立即认出仪表板上各种符号的含意。我们甚至很少有人会想到是大量的标准化工作使我们能够与世界的另一侧打电话,发传真或进行电子邮寄。作为消费者,我们把标准化看作是理所当然的事情。可是,一但标准没有了,就会使我们勃然大怒。比如说,有谁能对服装尺     

以多媒体面向对象数据库和逻辑程序设计语言为基础的指挥控制系统

在大量工业和军事应用中,多媒体和面向对象的数据库用作信息存储和检索系统。由于数据库管理技术与人工智能(AI)概念相结合,法国海军目前正在开发这两方面的潜力,以便制造一个监视许多国家舰艇在世界范围内活动的系统。 该系统以多媒体面向对象数据库管理系统G-BASE~(TM)和逻辑程序设计语言G-LOGIS~(TM)为基础。本文讨论了VORAS和G-BASE。前者是在一个研究上下文关系中研制的数据库多用户样机,后者是市场上买得到的工作站产品。我们报告了我们将如何用VORAS,利用这种简单而有效的循环框架模型实现一个综合系统,以及如何用G-BASE和G-LOGIS发展法国海军指挥与控制系统的应用。 G-BASE~(TM)和G-LOGIS~(TM)是Graphael公司的商标。     

利用传感器阵输出进行多目标角度跟踪

我们研究利用传感器阵输出进行跟踪多个目标的信号到达方位问题。为了估计与不同对象直接相关的角度,避免使用数据相关方法而开发了这种算法。仿真结果表明,所提供的方法在实际中工作良好。     

神经网络和仿真:应用建模

人工神经网络以引起人们兴趣的方式仿真生物过程。近年来,根据神经生理学和动物行为研究所形成的想法已成为可实现的。能迅速实行大规模并行和分布式处理的计算机的出现已允许综合和试验来自不同领域的想法。由此产生的用软件和/或硬件仿真的神经网络为各学科的仿真者提供了一个适应性强的鲁棒的建模工具。     

神经网络模型对传感器数据融合的应用

本文描述科霍内(Kohonen)特征映射神经网络模型对于战术和传感器数据融合的应用。用来自现代海军环境的例子评述由数据融合提出的问题。强调了用于海军作战自动监视和支持的目标和任务识别。作为基于神经网络的系统的可应用领域评述了科霍内特征映射模型,研究了它在实际应用中的限制,讨论了如何解决这些问题。描述了使用科霍内特征映射作为基本单元的两个不同的模块化神经网络体系结构和它们应用于数据融合的比较。