雷达与声数据的融合

洛克希德·桑德斯公司正在研究综合声与雷达数据的融合过程。声和雷达数据是高度互不相关的,它们可提供有关每个目标的互补信息。因此,融合过程使之有可能利用组合分类器的输出产生一种可信度高的目标识别(可靠的ID),分类器的输出包括:声波形、雷达信号特征和航迹形状 而由单个分类器进行可靠的识别是不可能的。通过融合过程可以减少目标位置误差和改善量测与航迹的互连过程。 由于融合过程是高度非线性和自适应的,因此,仿真是必不可少的。用多次重复的具有嵌入式传感器模型的仿真来建立多目标情景,以便激励融合过程。在仿真情景期间,用测量的声和雷达数据产生传感器输出的逼真描述。融合过程对分类和传统的跟踪器使用了神经网站。使用与目标ID有关的数据,以便选择最优的跟踪器参数。 对雷达和声数据的特定实例,验证了使用仿真来设计传感器融合处理的方法。然而,这种方法对于各类型的传感器或数据融合也是有价值的。例如:可在非军事应用中使用仿真,在这种应用中有关复杂系统状态的多源数据可用来控制其他数据和收集并做出最优决策。一般,仿真可用任务级指标,如成本、生存概率和杀伤概率来评定融合过程的好处。仿真对于优化融合过程的任何自适应“子部件”如神经网络来说是必不可少的。     

“旅大”级对中国海军的意义和影响

本文的作者系一名长期热爱和关注我国海军建设的军事发烧友,近20年的知识积累使其掌握了大量扎实的基础军事技术。作者撰写本文的目的是想通过自己的见解在与其有着共同爱好的读者间铺设一条进行沟通商榷的途径。     

中国海军早期潜艇

对于斯大林来说,在被朝鲜海峡分隔的中国海海区建立战略伙伴关系,对冷战中的苏联将有巨大的好处。当时斯大林已经同意向中国转让潜艇以及建造技术帮助中国组建极具攻击性的潜艇部队,在中国附近数千万平方千米的海区牵制美国为首的西方阵营海军力量,减轻对苏联的直接压力。赫     

基于深度卷积神经网络的多飞行器构型保持研究

基于深度卷积神经网络设计了"智能-校正"算法以快速生成制导指令;深度学习模型是由卷积层、全连接层、批量归一化层和残差网络(ResNet)组合成的一个19层深度神经网络,飞行器状态变量转化为类似于图像像素矩阵的二维矩阵,通过sgd优化和权重衰减正则项将神经网络的训练误差降低至约0.025°;之后针对飞行器运动存在制导指令...     

未来的作战指挥：信息技术、作战条件和编制体制的融合

先进的信息技术可大大增加各级部队所能运用的知识量,提高部队运用知识的能力。信息技术加上适宜的作战条令和编制体制,能极大地提高部队的战斗力。美国陆军应该迅速学会使用这些新工具,然后推广到全军。     

美国应把更多精力放在南海争端上

美中经济安全委员会于上个月举行了一场听证会,主要内容为中国近期于东南亚的活动及其对美国在这一区域的利益所产生的影响,与会者包括2名美国政府官员、5名国会议员以及10名相关专家学者。而在这之前,美方就已表示过将加强对美国与东南亚国家之间的外交关系的关注。