装备战备水平及其评估方法

为真实、准确掌握部队完成其装备战备任务能力水平,引导部队装备战备建设的方向,并为精确化装备保障指挥决策提供科学依据,针对目前部队装备战备工作,提出了装备战备水平评估的概念,并将装备战备水平划分为4个等级。在构建装备战备水平评估指标体系的基础上,将TOPS IS法应用到装备战备水平评估中,建立了基于TOPS IS法的装备战备水平评估模型,并对该方法的适用性进行了分析。最后通过实例仿真分析,验证了该模型的合理性与有效性。     

二十一世纪的虚拟自然环境

增强训练效果的方法之一是给仿真平台、传感器和武器提供一个能够相互作用的逼真的自然环境,地形描述以及把它编人仿真和训练仪器是确定无疑的。下一步是在地面以上和海面以下的空间内填充合适逼真的自然物,例如云、雨、雾、风、浪、含盐度、音速分布图和全部的电子脉冲。     

大学生士兵培养使用的矛盾问题和对策措施

大学生士兵是推进国防和军队现代化建设的宝贵人才资源,要按照"征得来、用得好、留得住、走得顺"的思路,调整大学生征集主体对象,改进军官选拔培养方式,增强士官职业发展预期,加大培养使用力度,为实现强军目标提供人才支撑.     

西方设计局的海洋扫雷舰

254型扫雷舰是前苏联专门设计建造的第一批海洋扫雷舰。40年代中期卫国战争和整个二次大战的海战经验有力地说明,海军必须有各种级别的反水雷舰艇,而254型扫雷舰的出现,正是我们海军专家对上述经验积累和分析研究的结果。在那个年代,我们海军实际上只有装非接触扫雷具的253-л型扫雷艇。因此,在战     

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。     

使用位置量测值乘积的多目标跟踪(一)

本文主要介绍用于多目标跟踪(MTT)中航迹保持的对称量测方程(SME)滤波器的继续研究。与其他的MTT方法比较起来,在SME滤波器中,为了进行目标状态估计,没有必要考虑目标/量测互联,这将导致MTT问题计算复杂性的实质性的简化。本文集中在由原始位置量测值的积构成的和产生SME的情况。对于其运动包括围绕等速轨迹随机扰动的N个目标情况研制了SME滤波器。假设x坐标位置的量测值是可得到的,并假定量测数等于目标个数。研究了SME滤波器的各种解析特征,尤其是证明了:在极不充分的条件下,估计误差方程是局部指数稳定的。通过把SME滤波器与最佳(最小方差)估计器比较和在六个目标情况下进行的计算机模拟研究了SME滤波器的性能。     

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。