虚拟环境中坦克火力运用仿真研究

在坦克(分队)作战仿真研究中,坦克是一种重要的武器仿真实体,其火控系统的仿真常成为研究的重点内容.结合科研实践,采用计算机仿真技术、单片机技术和坦克火控系统部分实装相结合的方式,在VC编程环境和汇编编程机制下,对坦克火控系统的数据采集、数据通信、激光测距模拟、火炮弹道模拟等方面进行粗浅的分析研究.实践证明,该坦克火控系统仿真不仅能够实时地对数据进行采集、传输和转换,而且能够在火炮弹道较符合真实轨迹的情况下精确地对虚拟环境中的目标进行测距射击.     

机载雷达探测系统效能评估模型分析

针对机载雷达的用途和功能,将机载雷达评估指标分为探测能力、目标识别能力、抗干扰能力、可靠性和可用性等5个方面.建立了机载雷达探测系统效能评估指标体系,并对评估指标进行了具体量化,建立了评估指标的数学模型,给出了雷达系统的效能综合评估模型.通过仿真分析,证明此模型正确有效.     

XML的网络标图技术

针对信息化条件下网络标图的需要,以SVG(可缩放矢量图形)作为态势图中电子地图、队标、队号以及附注说明等数据模型的表现形式,提出了基于XML将态势图信息文本化,并实现网络标图的构想,对态势图和军标进行了建模处理,并基于Microsoft Visual Studio.NET网络开发平台,对态势图的标绘、代码解析、网络传输和接收再现进行了较深入的研究.     

跟踪机动目标的一种新的多模型算法

在机动目标跟踪的多模型(MM)方法的研究中,提出了一种新的多模型方法,即最小子模型集切换(MSMSS)算法.这种MSMSS算法从总模型集中自适应确定最小模型集,用来完成多模型(MM)估计.仿真结果表明,和标准的交互式MM(IMM)相比,所提到的算法,在保持同等的跟踪性能的前提下需要很小的计算量,在计算量相等的情况下具有更好的跟踪性能.     

基于蚁群算法的防空兵兵力机动线路优化

根据防空兵对机动线路的要求以及战时的安全性特点,得出影响防空兵兵力机动线路选择的因素,引入里程指数的概念.将线路的长度进行修正赋权,给出兵力机动线路的等效线路长度.把这一等效线路长度结合到蚁群算法中.能够较好地模拟现代战场的复杂环境对防空兵兵力机动路线选择的影响,并科学、合理地选择路线,为指挥员的决策提供帮助.     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

非理想信道下测量零值无偏干扰抑制滤波器设计

现有的抗干扰滤波器在通道非理想特性下会导致接收机测量零值发生偏移,且偏移量与干扰参数相关,其已成为高精度测距接收机实现其精度提升的主要障碍。针对上述问题,从对称通道特性出发,给出一种无偏的时域抗干扰滤波器设计技术。解决了传统的时域抗干扰滤波器在非理想信道下测量零值偏移的问题,且工程实现简单。理论分析和仿真实验进一步验证了方法的有效性,采用该方法可以使测量零值偏移小于0.2 ns。     

高超声速滑翔飞行器变轨段自适应跟踪制导方法

针对高超声速滑翔飞行器变轨段大偏差条件下的标准轨迹跟踪问题,提出一种基于权值矩阵自适应修正的变轨段跟踪制导方法。分析了变轨段主要控制方式和标准轨迹特性;将简化的纵向运动方程在标准轨迹附近线性化;采用将误差项引进线性二次型性能指标加权矩阵的方式,设计了改进的权值自适应修正跟踪制导方法。CAV-H飞行器仿真分析表明,该方法能够实现高超声速滑翔飞行器变轨段高精度自适应跟踪制导,对初始及过程偏差具有良好的鲁棒性。     

基于服务网格工作流技术的联合作战实验平台

为实现全军作战实验资源共享和跨军种的协同实验,提出了一种基于服务网格和网格工作流技术的联合作战实验平台构建方法.一方面利用服务网格技术实现分布、动态、异构实验资源的有效集成和共享,加强实验平台的通用性、灵活性和重用性;另一方面,在平台建设中引入面向服务网格的工作流技术,使得能够在动态变化的环境中,根据实验需求优化实验作业逻辑和执行过程,选择、配置和调度相应的实验资源完成指定的任务,实现跨军种的资源共享和协同实验.     

智能蓝军作战行为模型构建技术研究

本文针对当前蓝军建设逼真度不高、对抗性不强、训练样式难以满足体系作战要求等问题,提出了一种智能蓝军作战行为模型构建技术。首先,本研究基于当前国内外蓝军建设实际,分析了军队智能蓝军模型建设需求;其次,聚焦蓝军合成兵种营,根据智能蓝军建模规律提出智能蓝军模型技术框架,分析了智能蓝军作战行为建模的真实性和对抗性要求,围绕要求阐述了模型构建涉及的关键技术,如军事模型构建方法、机器学习技术和目标评价方法等;再次,从概念建模、规则建模、机器学习优化和评价方法四个方面对智能蓝军建设关键技术问题进行了深入分析和阐述,并围绕关键技术的递进关系针对性提出了预期解决方案;最后,给出了下一步智能蓝军模型技术构建问题的发展方向和对策。