炮控系统性能测试方法

炮控系统是战车的重要组成部分,其性能的好坏直接影响到火控系统的反应时间和射击精度。对比了炮控系统角位移量测量方案,并对CCD坐-标靶方法作了改进,既能保证足够的测量精度和测量范围,又有较高的性能价格比。     

军事通信网络效能评估中的多数据源融合方法

通过分析军事通信网络效能评估数据源的特征,提出了一种融合专家经验、仿真和实测数据评估军事通信网络效能的方法。包括用信念图统一表达数据形式;以实测数据为训练样本,使用支持向量机拟合网络参数与性能指标关系模型,通过比较预测值与仿真结果获取仿真数据可信度;采用扩展贝叶斯法融合多源数据,给出了基于多数据源的军事通信网络效能评估流程;最后以评估某舰艇编队军事通信网络效能为例,给出了具体融合过程,结果表明融合多数据源的评估结果的有效性和可信性更高。     

某型训练模拟器视景系统的设计与实现

传统的实装训练方式不但耗费大量资金和军用物资,也大大缩短了装备使用寿命,训练安全还难以保证。基于计算机技术和虚拟现实技术的训练模拟器,正朝着高逼真度、互联互通和可扩展性越来越好的方向发展,有效解决了部队武器装备的训练使用需求。介绍了实现视景仿真过设计中的的几个关键技术,用Multigen Creator建立了虚拟战场环境,采用Vega仿真引擎来实现场景驱动,开发了一个导弹武器仿真训练模拟器视景系统,该视景仿真系统具有很强的可扩展性和兼容性。     

具有亮点和方位延展特征的线列阵声诱饵研究

分析了几种目标尺度识别方法的机理,针对其特性和传统声诱饵的不足,研究了一种基于潜艇亮点模型的线列阵声诱饵,并对其参数进行了选取.仿真结果表明,该声诱饵对基于目标尺度识别的鱼雷具有干扰能力.     

基于改进截断正态概率密度模型的防发散多尺度卡尔曼滤波

借鉴对机动频率建模的思想,对机动目标的截断正态概率密度模型进行改进,提出了一种改进的截断正态概率密度模型(ICN模型),并将防发散算法与多尺度估计理论结合,用克服滤波器发散的S(k)算法对基本的多尺度估计进行机动检测和相应改进,得到单模型单传感器系统的防发散多尺度估计算法,旨在减小噪声影响,减小机动目标模型不准确带来的跟踪误差,改善跟踪效果。     

大学英语四、六级考试最新改革特点及对策研究

2013年最新改革后的大学英语四、六级考试,在考试内容、分值比例和难度系数等方面都作了诸多调整,呈现出新的特点。结合此次改革特点和对某军校150名学员展开的问卷调查,提出三大对策：利用考试“反拔效应”,引发学员对于输出性技能的重视;充分重视翻译策略讲解,加强中国文化渗透;努力培养学员自主学习意识养成,提高学员自我听力训练量。     

科技与战争视角下的国家认知空间安全战略

在经历了陆权逐鹿、海权争霸、空天对垒以及制网权较量之后,在全球媒体时代,人类战争正在从自然空间、技术空间向认知空间拓展。文章从多学科视角切入,聚焦认知空间的战争与战略问题,剖析了战争制权理论演进背景下,制脑权战争兴起的历史合理性及其攻防对抗律,最后从捍卫国家认知空间安全的高度,对全球媒体时代的国家安全战略提出了对策。     

基于比例危险模型的船用柴油机视情维修决策

针对船用柴油机视情维修决策问题,采用威布尔比例危险模型描述了系统状态与故障率之间的关系,利用核主成分分析对协变量进行了去相关和约简处理,以平均费用最小为决策目标,建立了视情维修的最优维修策略模型,并根据设备当前状态信息来判断是否需要进行维修。实例分析表明：该方法有效融合了历史故障信息和运行状态信息,提高了柴油机可用度,降低了维修保障费用。     

基于区块链的装备数据安全共享方案研究

军事装备大数据是实现军事现代化、智能化的基础,其中,数据共享对实现装备可视化管理、整合装备供应链、优化指挥控制系统等具有至关重要的作用。军事装备数据涉及核心机密,数据的安全共享问题是导致这些技术发展迟缓的关键因素之一。区块链是一种具有去中心化、不可篡改、稳定可靠等特性的分布式链式账本技术,利用区块链技术和云计算可以保障装备数据安全,在军事领域有着广阔的发展前景。本文面向装备数据安全共享业务开展研究,探讨利用基于属性加密技术和智能合约技术解决不同主体间的信任问题,并提出了基于区块链的装备数据安全共享方案,以打破传统装备系统中的“信息孤岛”现象。     

小波包变换和支持向量机模拟电路故障诊断方法

为提高模拟电路故障诊断效率,将小波包变换和支持向量机结合起来,提出了一种完整的模拟电路故障快算检测和准确定位的方案.利用小波包变换对电路输出电压信号进行多层分解,提取各频带的能量作为故障特征,给出了具体的特征提取方法;利用支持向量机的多分类一对一方法,完成电路的故障定位,同时实现了小波函数的选择.在一模拟电路的故障仿真实验中,通过与BP,RBF和PNN等神经网络对比,结果显示该方法的诊断效率是很高的.