协同空战的最小共享信息集

首先提出了最小共享信息集的概念。然后 ,提出了作战飞机的智能系统模型。从它入手 ,分析了协同空战的信息 ,提出了确定协同空战的最小共享信息集的事件法 ,并应用信息论证明了事件法的确能够减少通信的信息量。在上述基础上 ,确定了超视距空对空协同作战的最小共享信息集 ;仿真结果验证了它的合理性     

树状小波与多尺度估计理论的图像融合技术

针对红外和可见光图像的特点及相互融合的应用,提出一种基于树状小波多尺度估计理论的红外与可见光图像融合算法.首先对源图像进行树状小波多尺度分解,依据子图像的信息量得到塔式结构子图像;然后基于不同子图像对应层上的对应像素,根据EM算法估计模型参数,采用SAGE迭代算法优化估计参数得到融合子图像;最后根据小波逆变换获得融合图像.实验结果表明:该融合算法能够更好地综合利用红外图像较好的目标指示特性与可见光图像较清晰的场景信息;性能评估显示:该算法得到的融合图像互信息较文献[5,6]分别提高了49.60%和24.90%,均方根误差分别减小了66.40%和56.00%.     

基于姿态角变化的目标体坐标系下雷达视线的研究

考虑目标姿态角对目标跟踪/识别中的雷达RCS值的影响,建立了雷达测量坐标系与目标体坐标系之间的坐标转换模型.将雷达转换为姿态角不断变化的目标体坐标系下一点,研究雷达视线在目标体坐标系下的方位和高低角.利用Matlab对其进行仿真,得出雷达视线方位和高低角随时间变化的曲线,有效验证了坐标转换模型的正确性和重要性.     

红外与可见光图像融合算法性能评估

在研究小波分析的基础上,鉴于不同小波函数和融合规则对融合效果的影响,通过改变小波函数和融合规则对红外与可见光图像进行大量融合实验;首先,研究了不同类型小波函数的性质,分析了不同融合算法的特点;接着,对融合实验结果进行了定量分析和比较,为不同应用目的和场合正确选择合适的小波函数和融合规则进行红外和可见光图像融合提供了理论依据.     

模糊专家系统自动装弹机故障检测系统

针对步战车装弹机故障检测困难,设计步战车装弹机故障检测系统,自动高效地实现对步战车装弹机的故障检测。利用模糊专家系统解决模糊问题的基本方法,阐述了系统的总体设计和硬件设计,按照输入输出信号的特点,将系统分为模拟信号输入输出模块和数字信号输入输出模块,并详细介绍了系统软件的核心——模糊专家系统的设计,特别是对模糊专家系统中知识库、推理机、解释模块以及学习模块的开发进行了探讨。     

多因素协调设计提高超视距反舰导弹抗干扰能力

依据超视距反舰导弹的特点和对捕捉概率影响因素的分析,提出一种基于捕捉概率的多因素协调设计的方法,用于提高导弹抗干扰能力.并运用均匀试验设计法统计计算捕捉概率,对仿真结果进行回归分析.最后通过非线性规划对导弹抗干扰能力进行优化计算,论证了该方法的可行性.     

结构化装备型号需求论证模式研究

结构化是系统工程分析问题的重要手段。为给装备型号需求论证工程化提供理论依据与技术支撑,对结构化装备型号需求论证模式的相关问题进行了研究。分析了装备型号需求论证流程,界定了装备型号需求论证工作范围,明确了装备型号需求论证的内部流程和外部边界;针对一体化联合作战要求,提出了有指导性的需求论证策略,确保结构化装备型号需求论证模式的科学性;借鉴美军体系结构技术,构建了结构化装备型号需求论证空间,对整个论证空间的结构设计、论证域的划分和各论证环节的论证任务进行了深入研究,从技术角度实现了需求论证过程的结构化。     

改进的光学图像边缘检测融合算法

鉴于目前用于光学图像边缘检测的方法的局限性;针对光学图像的边缘检测特性,提出了一种基于小波和Canny理论相结合的融合算子;利用相似度性质,综合评估了融合算子与其他经典边缘检测算子相比的优越性;通过实验仿真,表明该融合算子能够较好地提取运动中的光学辐射目标的边缘.     

关于加强我军作战实验结果分析与解释的思考

作战实验已成为军事科研和军事决策的一个重要手段,是军事活动的重要支撑。作战实验结果的分析与解释是确保作战实验有效性和可靠性的重要工作,是使作战实验充分发挥作用、为军事研究和实践人员服务的桥梁和纽带,具有重要的理论和现实意义。我军目前作战实验结果分析与解释在标准和规范、方法和机制、结果的采集处理以及管理和使用等方面存在着种种不足,必须从明确内容、健全机制、改进方法、完善规范和渠道等方面,加强我军作战实验结果分析与解释工作。     

面向时空交通栅格流量预测的3D通道注意力网络

城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。