基于多模射击的火力控制理论研究

为提高高炮武器系统拦截空中高度机动目标的能力,提出了多模射击的思想.多模射击是指火控系统根据战场态势,实时可靠地估计出目标在射弹飞行时间内若干个可能的机动形式预测结果.并据此控制高炮群同时向若干个可能的目标未来点进行射击.建立了多模射击毁歼概率计算公式.通过与传统的单模射击体制进行效能对比分析验证了多模射击体制的有效性.最后对基于多模射击的火力控制若干关键技术作了简要分析.     

小波变换在漏磁检测信号处理中的应用

在对军用装备进行漏磁无损检测时,漏磁信号中含有大量噪声,针对这种情况,介绍了小波变换消噪理论.在数字化实现中,离散小波变换是利用Mallat分解与重构算法来完成.仿真试验中,选取二阶样条小波为小波函数,对从漏磁检测装置中采集到的漏磁信号进行消噪.结果表明将小波变换应用于炮管漏磁检测中,能提高检测信号的信噪比和抗干扰能力.为漏磁信号分析、特征提取和缺陷漏磁反演打下了基础.     

基于效果的网络中心战模型研究

基于效果的网络中心战是利用物理域内分布式传感器网络、指挥控制网络和武器平台网络.通过网络内部以及网络之间信息域中高质量的信息共享,实现军事人员认知域态势感知共享和部队自同步,是信息时代的一种新兴的作战样式,体现了"兵力分散,效果集中"的信息化战争的作战思想.通过分析基于效果的网络中心战,建立了基于效果的网络中心战体系结构模型和未来军事行动中实施该理论的任务进程模型,对我军未来信息化作战条件下联合作战的实施具有一定的指导意义.     

制导炸弹滚转通道混合灵敏度鲁棒控制器设计

制导炸弹在大空域飞行过程中受到外界干扰和未建模摄动都较大,为了适应较大摄动,采用混合灵敏度方法来设计鲁棒控制器.首先推导了包含S/T/R的广义受控对象的状态空间模型,将混合灵敏度问题化为标准H∞问题.然后针对混合灵敏度问题中如何选取权函数的关键性问题,讨论了权函数选取的一般原则,提出了权函数选取的一般方法,并尝试给出权函数的一般形式.最后采用该方法对制导炸弹滚转通道进行了控制器设计,仿真结果表明:H∞控制器有较好的鲁棒性能,且比传统PID控制有更好的时域性能.     

改进的时域正交MOE盲干扰抑制算法

提出了一种能够同时抑制窄带和多址干扰的TDO-MOE盲干扰抑制算法,算法将TDO-LMS算法引入到MOE盲检测算法,克服了TDO算法在盲检测中容易发散的缺点.通过信道估计调整步长因子,信道估计运算利用了检测器的中间运算结果,没有付出多余运算量.仿真结果表明,在维持LMS类算法的SINR性能的前提下,算法明显缩短了收敛时间,具有一定的应用价值.     

基于OPNET仿真的随机接入技术研究

如何解决多个用户高效、合理地共享有限的无线信道资源这一问题,即媒体接入(MAC)控制协议的设计是移动自组网中的关键技术之一.ALOHA和CSMA作为自组网MAC协议的起源,研究它们具有重要的意义.主要介绍了ALOHA和CSMA两类接入协议的工作方式和性能特点,针对其中的纯ALOHA和1坚持CSMA应用网络仿真软件OPNET进行了建模和仿真,并比较了它们的优缺点,对于后续开发新的随机接入协议具有指导意义.     

D-S 证据理论应用中的一种图解方法

D-S证据理论是对概率论的进一步扩充,在多传感器数据融合中,有着广泛的应用.当利用D-S合成公式进行融合时,由于需计算的项数较多且不易直接判定具体该有哪些项,容易造成漏项或错项,引起计算错误.提出了一种直观、简单的图解法,可使需计算的项一目了然.     

某型自行高炮武器系统面向对象的作战模型建模

作战模型是作战模拟的工具和手段.构造出简单的、能表现作战系统基本特征和规律的作战模型,需要采用有效的建模方法;简述了面向对象的基本概念、建模方法和步骤;结合面向对象思想对自行高炮模拟训练训练平台进行了可视化分析建模;采用统一建模语言(UML)建立了自行高炮模拟训练平台功能模型、静态模型和动态模型.     

大型警务活动中警察心理应激干预对策研究

大型警务活动是对警察心理应激能力水平的考验。警察在大型警务活动中常表现为：认知能力降低、情绪稳定性差、行为举止失措。通过对大型警务活动中警察心理应激源的分析,提出六种心理应激干预策略：心理拓展干预训练;时心理应激适度表露和宣泄;模拟训练法;角色扮演训练法;抗干扰训练法;自我暗示训练法。     

大型地下建筑商业区域设置方式及其消防安全评估

大型地下公共建筑的出现带动了地下商业的发展,在地下公共建筑内部和周边设置商业设施的情况已不断出现。该类地下商业设施的设置增加了公共建筑的火灾危险性,必须限制商业设置方式以降低火灾风险。针对地下商业的设计难点,总结提出诸如防火舱、防火隔离区、＂安全岛＂等多种商业设置方式,分析了其用于地下公共建筑内部及周边商业区域的火灾控制的安全性,从而保障人员的安全。