基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

LiDAR点云纹理特征提取方法

针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题,提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况,提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响,并利用支持向量机分类方法验证点云纹理特征,可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征,点云纹理特征约束的地物分类具有更高的分类精度,并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。     

云模型和距离熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在空战多目标威胁评估中对战场态势数据精度要求高这一缺陷,提出了一种基于云模型和距离熵TOPSIS法空战多目标威胁评估方法。该方法运用云模型理论对战场态势数据进行模糊表示,并通过定义云元素的大小和距离测度公式实现了两者结合。考虑目标各属性的权重对分析结果的重要性,运用距离熵理论来分配各属性的权重,进而建立加权决策云矩阵,根据相对贴近度的大小确定各方案的威胁程度。最后,通过仿真验证了该方法的可行性和有效性。     

改进ADC-云模型在空地导弹武器系统效能评估中的应用

为了研究空地导弹武器系统效能,建立了评价指标体系,以改进ADC模型为基础,在各指标能力值计算时引入云模型算法,得到系统效能的云隶属度数值。对系统效能的云隶属度进行了模拟仿真,并分析了人为因素对效能评估的影响。结果表明:在人在回路类武器系统效能评估时,增加人为因素考虑,会一定程度降低最终的效能评估结果,但更符合实际,更能反映系统的实际效能结果。     

基于云架构的一体化联合训练仿真体系

因为现在的战争是联合作战,所以一体化联合作战训练系统已成为军工武器研制的必然趋势。介绍了国内外作战仿真技术的现状和发展趋势,提出了基于云架构的一体化联合作战支撑体系架构和关键技术,为全军作战训练系统提供有效的构建技术、方法和手段,以期推动我国军工武器研制技术的快速发展。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

MATLAB神经网络的舰船磁场强度估算

舰船磁场建模常采用的方法有谐波分析、磁体模拟和有限元等方法,但普遍存在通用性不强和计算复杂等缺点.为了方便快捷地对舰船磁场强度进行估算,通过梳理影响舰船磁场强度的主要因素,利用神经网络的方法建立估算模型,网络学习采用MATLAB环境下的改进BP算法,网络训练时间短,从仿真的结果来看,估算模型具有估算精度高、通用性强的特点,补充了舰船磁场建模方法.     

基于BP神经网络的军民融合维修保障任务区分

针对军民融合维修保障任务区分问题,通过构建军民融合装备维修保障能力评估指标体系,利用证据合成理论对维修保障能力指标进行评估,设计BP神经网络模型,通过MATLAB运算得到军民双方维修能力评估值,结果分析表明,BP神经网络具有较强的解决非线性问题的能力,能够作为军民融合维修保障任务区分问题决策的依据。     

下一场军事变革

当前,新一轮科技和产业革命正在孕育兴起,预计将于未来20~30年甚至更短的时间内引发下一场军事变革。这场军事变革将以新质机械化与新质信息化的深度融合为主题,以重塑军事体系为目标,作为一场以跃变为主的革命性军事变革,将对军事领域产生全方位影响,并促使"云战争"这一信息化战争高级形态走上历史舞台。应将下一场军事变革纳入军队改革的远景视野前瞻布局,为夺得战略主动、实现军事赶超、引领世界军事文明发展和支撑民族伟大复兴创造条件。