基于云模型的航空装备维修保障能力评估

针对航空装备维修保障能力评估问题,在把握航空装备维修特点和系统分析影响因素的基础上,构建了以信息化优势为主导的航空装备维修保障能力评估指标体系;提出一种基于AHP的改进熵值法确定各级指标权重,有效融合了主客观信息;引入云模型原理,将不确定性因素转化为定量化数字特征,开展基于云模型的航空装备维修保障能力评估。实例表明,该评估方法能够科学、准确地评估航空装备维修保障能力,具有可行性和有效性。     

防空反导智能战场态势估计研究

在军事科技理论面临着巨大变革的背景下,为解决防空反导战场态势估计智能化发展的问题,通过对态势估计的三层模型进行分析以及对防空反导态势的要素构成进行探讨,研究了OODA环中防空反导态势估计的过程,建立了防空反导智能战场态势估计的系统模型,深入地探讨了阻碍防空反导智能化战场态势估计研究的五方面问题以及有望解决问题的关键技术措施,从而为防空反导智能战场态势估计研究提供了新思路。     

未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。     

一种作战模拟训练效能自动评估方法

为了实现作战模拟训练效能评估自动化,将人工智能的机器学习技术作为解决自动评估的途径,针对主观评定指标提出一种自动评估方法。依据指标数据相关性,替换主观指标并重新构建近似客观评估体系,基于训练集数据而构建的评估算法模型用来为新的评估指标进行效果自动评分。通过实例表明:自动评估模型在保证泛化能力的同时提高了精度和稳定性,在评估模型应用时无需再依靠主观实施评定,为作战模拟训练自动评估提供了可行思路。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

训练空域管理安全性的灰色综合评价

为改善军事飞行训练的安全水平,提出一种空域管理的安全性评价方法。在该方法中,通过问卷调查与统计分析,建立了军事飞行训练的空域管理安全性评价指标体系;通过信息熵的专家群组灰色聚类方法实现评价标准的授权;在评价指标赋权基础上,采用灰色综合评估法进行军事飞行训练的空域管理安全性评价。实例分析表明,所提出方法可对军事飞行训练的空域管理安全性进行评价,能够得出较为符合实际的评价结果,从而验证了方法的有效性和可行性。