基于FPGA的无线传感器设计

现代技术可以用飞机或远程火力布撒传感器网络节点到敌方战场,用以详尽准确地探测目标战场的精确信息.针对这一数据采集传感器网络节点具体应用,运用FPGA器件Cyclone芯片实现对控制A/D转换芯片AD 1674的采样控制,利用QuartusⅡ开发平台进行软件编程实现了对的A/D转换芯片的工作时序控制,节点平台用FPGA实现MAC逻辑控制和相关帧数据处理,对模拟采样数据组帧编码,利用射频芯片实现无线链路向外传输.     

基于粗糙集理论的定性推理结果的约束

从分析定性推理结果存在的问题出发,提出定性约束的必要性.总结了几种现有的定性约束,提出一种新的定性约束-粗糙定性约束,利用粗糙集属性约简算法对定性推理结果进行约简.简要介绍了粗糙定性推理软件的总体设计思路流程和功能模块划分.以物资供应保障过程定性推理结果为例,对所得推理结果进行粗糙定性约束,得到重要推理结果,为物资供应保障决策提供参考意见.     

考虑气象因素的飞机空战能力评估模型

针对指数法评估飞机空战能力的不足,研究了气象环境对飞机作战效能的影响,分析了综合指数模型中飞机操纵性能、态势感知能力、火力性能受不良气象条件的影响,建立了不良气象环境下的飞机系统空战效能评估模型。最后以3种机型的空战能力评估为例进行计算,验证了所建模型是合理、可行的。     

机载小型激光制导火箭弹快速打击系统

根据现代战争的特点,阐述了机载小型激光制导火箭弹快速打击系统的工作原理及系统组成.重点介绍了发射条件及活动式发射装置的角度转换关系,给出了转换公式.现代战争中,打击一些稍纵即逝和即时发现的时间敏感性目标,需要在发现目标后,在其重新隐蔽起来或丧失即时打击时机之前迅速做出决策,对其进行识别、跟踪.该系统重点解决在近距作战或突然发现目标时,快速形成发射条件,打击并摧毁目标,减少飞行员的操作步骤,提高载机生存能力的问题.     

海军舰艇编队防空导弹协同作战技术研究

主要以信息化条件下如何提升海军舰艇编队防空导弹作战能力为背景,重点描述协同指挥和协同制导作战的概念内涵、国内外研究现状、作战模式、主要实现的功能,给出不同指挥层次下各指挥节点的体系结构和功能定位,进而从信息场和功能界面等方面说明协同指挥和协同制导2个功能层次的区别.     

一种仅基于超声波技术定位的新方法

为解决超声传感器只能确定位置不能确定方向的问题,提出一种新的定位方法.首先,针对超声波传感器数量最小化及安装位置最优化问题,对定位系统进行数学建模;然后,在理论推算得出的指定位置安装超声波发射模块和接收模块,再配以射频程控交换机以及51单片机,建立起定位系统的物理配置模型;最后,利用最小二乘法对测得的数据进行处理,得到精确的位置和方向估计.实验结果表明:该定位方法可在同一参考系中唯一地确定自主移动机器人的位置和方向,并且对机器人的最佳位置和方向估算结果与真实值非常接近.     

改进的笛卡尔遗传编程组合电路演化设计

利用笛卡尔遗传编程进行电路演化时,存在收敛速度慢、收敛时间波动较大等问题．对笛卡尔遗传编程中的可编程单元模型进行改进,增加与目标函数相关的逻辑运算,去除无关的逻辑运算,从而提高演化算法命中目标的概率．利用改进的笛卡尔遗传编程方法分别对电机换相电路和乘法器等组合电路进行演化设计．结果表明,改进后的方法明显缩短了电路演化生成的时间,且收敛时间波动较小．     

武器装备论证多方案博弈分析方法

针对指标权重完全未知的非确定型武器装备论证多方案分析问题,提出一种基于博弈理论的多方案分析方法.该方法通过将多方案分析中的单个指标作为博弈的参与者,以综合评估所得的方案优先序与方案在某指标上取值的大小蕴含的方案优先序之间的相符度作为博弈方的收益,将指标的权重取值作为博弈方的策略,进而通过求解博弈的混合策略确定指标权重向量,最终得出多方案分析与评估结果.应用实例验证了该方法的有效性和实用性.     

复杂电磁环境对组网雷达“四抗”能力综合影响仿真评估

构建了复杂电磁环境下雷达探测能力云规则算法模型和复杂电磁环境对组网雷达“四抗”能力综合影响评估模型,并按照仿真想定和方案设计,利用Netlog0 3D仿真平台实现了复杂电磁环境下组网雷达探测低空突袭目标的三维可视化仿真,根据仿真结果分析了复杂电磁环境对组网雷达“四抗”能力的综合影响.结果表明:就一种能力而言,复杂电磁环境对组网雷达抗隐身能力影响较明显,对抗干扰能力、抗低空/超低空突防能力和抗反辐射攻击能力影响较小,但就“四抗”能力整体面言,复杂电磁环境对组网雷达“四抗”能力综合影响较为突出.     

利用多时间尺度卷积的视频行为识别网络

基于2D的行为识别网络通常融合多张视频帧的分类结果识别不同的行为,但其在卷积过程中缺少对时空特征提取。针对该问题,基于时间位移模块(temporal shift module,TSM)的思想设计了一组多时间尺度卷积,包含不同设计的卷积核以提取融合不同时间尺度的时空信息。通过控制多时间尺度卷积嵌入ResNet50网络的位置及其模块的参数设置,寻找最优的基于多时间尺度卷积的行为识别网络。使用PyTorch深度学习框架训练模型,在大型开源数据集Something-Somethingv2上进行了实验研究。结果表明,基于多时间尺度卷积的行为识别网络对行为识别准确率达到了59.47%,优于TSM等网络。