Froude摆系统的全局有限时间同步

基于广义线性状态误差反馈控制器,构造了2个Froude摆系统的主从有限时间同步框架,并将2个Froude摆系统的全局有限时间同步问题转化为主-从系统的误差系统的全局有限时间稳定性问题;然后,应用有限时间稳定性理论证明了2个Froude摆系统实现全局有限时间同步的判据并进行了优化,同时估算了同步时间;最后,通过计算机仿真验证了所得判据的有效性。     

俄军备计划时间1/2,进度1/3

据2014年12月29日的《简氏防务周刊》报道,俄罗斯军事工业委员会副主席奥列格·博奇卡廖夫(Oleg Bochkarev)承认,俄罗斯为期10年的国家军备现代化计划时间已经过了半,但进度只完成1/3。博奇卡廖夫在2014年12月26日还说,经过修改更新的2016~2025年的军备改良计划可能会在2015年12月准备好,     

基于保障时间窗的油料调拨运输模型

通过引入保障时间窗,同时考虑油料保障的时间约束和运力约束,建立了基于保障开始时间最早,并尽可能满足保障需求量的调度模型。针对问题的多目标性,基于理想点法将初始模型转化为单目标优化模型。采用粒子群算法对模型进行求解,并设计了算法编码和求解步骤。通过算例验证了模型和算法的可行性及有效性。     

科氏流量计信号相位差测量新算法

对科氏流量计信号进行处理时,传统相位差测量算法存在较大误差。为更好地抑制频谱泄露,提高相位差测量精度,在传统DTFT算法的基础上,通过矩形窗和汉宁窗卷积运算构造出一种新窗——RHC窗。计及负频率成分的影响,提出了一种基于RHC窗的DTFT相位差测量新算法。详细阐述了新算法的原理,并与传统DTFT算法进行了对比仿真,验证了新算法的有效性。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。     

一种基于关联脉冲对的动态直方图分选算法

针对现有分选算法在复杂电磁环境下准确性与效率降低的问题,提出了一种基于关联脉冲对的动态直方图分选方法。该方法首先对到达时间差进行固定箱长统计,将高于检测门限的相邻箱进行合并,得到动态直方图统计结果,估计出潜在PRI(pulse repetition interval)。对潜在PRI对应的关联脉冲对进行分析,剔除虚假PRI并估计出真实PRI的抖动量。最后,再依据PRI参数完成脉冲序列搜索,实现对雷达信号的分选。仿真实验表明,该方法在较低的到达时间差级数条件下,对多部复杂PRI调制信号的分选准确率达到95%,能够对复杂电磁环境下的雷达信号进行有效分选。     

美国弹道导弹防御系统中的杀伤链与杀伤网解析

根据美国弹道导弹防御系统发展情况及杀伤链、杀伤网作战概念,结合美国陆基中段防御朝鲜来袭洲际弹道导弹典型用例,对美国弹道导弹防御杀伤链中信息链、时间链、能量链、识别链、精度链5条子链的内涵与闭合性进行了解析,并结合典型用例剖析了美国本土与海外战区弹道导弹防御杀伤网,分析了其综合防御能力。     

一种基于周期分区的时间调度算法

针对多功能相控阵雷达任务实时调度问题,提出了一种基于采样周期分区的时间资源调度算法(记为PD)。该算法以各类任务采样周期的最大公约数为分区标准,将各采样周期均分为多个等长区间,再将各类任务平均分配到不同分区中调度执行,可解决调度过程中任务因采样周期不同产生冲突的难题。仿真结果表明,该算法可提高系统任务调度能力,可广泛应用于相控阵雷达任务调度及其他实时任务调度系统。     

基于模糊聚类的雷达信号分选

为克服传统信号分选算法的局限性,采用了基于模糊聚类分析的雷达脉冲信号分选方法。首先介绍了模糊聚类的基本原理和具体步骤,利用熵权法对不同雷达信号特征参数增加了加权系数,其次建立了有效性评价模型来确定最佳聚类,并进行了信号分选仿真实验。利用该方法进行模糊聚类时无需设置阈值,仿真结果证明分选方法的正确性,验证了此方法的有效性和可行性。该方法能够处理多个雷达脉冲信号,是一种解决多脉冲信号分选问题的新途径。     

聚焦能打胜仗转变预备役部队训练模式

正预备役部队是我军作战体系的重要组成部分,战时主要担负防卫防空和各类支援保障任务,是服务打仗、保障打赢的一支不可或缺的力量。加强预备役部队战斗力建设,必须聚焦能打仗、打胜仗,按照实战要求全面推进训练模式转变,不断提升训练质量水平。