技术进步与制度变迁:军队跨越式发展的路径选择

文章着重分析了技术进步与制度变迁各自在促进军队跨越式发展中的重要作用,阐述了技术进步与制度变迁之间的互动关系,指出在军队跨越式发展过程中应重视两者的和谐统一。     

改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。     

基于惯性传感器阵列的行人导航发展综述

近年来,微机电系统朝着小体积、低功耗、低成本方向发展,这使得采用惯性传感器阵列实现行人自主导航系统成为可能。惯性传感器阵列在行人导航上的应用引起了研究者的广泛关注,并取得了很多阶段性的成果。文章总结分析了不同惯性传感器阵列的设置方法及其误差模型,并针对不同融合框架的惯性传感器阵列数据融合精度进行了评价。提炼和归纳了行人导航中零速修正算法的运用情况与存在的问题,并探讨了惯性传感器阵列在行人导航中的应用特点与发展趋势。     

基于改进YOLOv7的融合图像多目标检测方法

针对微光环境下目标检测精度较低的问题,提出了一种基于改进YOLOv7的微光与红外融合图像的多目标检测方法。结合可见光、红外图像的优点,利用生成对抗网络法制作融合图像数据集。在YOLOv7模型中引入BoT结构,使网络更加关注整体图像信息,提升特征提取能力,从而提高行人和汽车检测的准确率,并将回归损失函数由CIoU改进为SIoU,降低自由度,加速网络收敛,得到了YOLOv7的改进算法—BoT-YOLOv7。在公开数据集LLVIP和MSRS上进行了实验。结果表明：相比可见光或红外图像,BoT-YOLOv7对融合图像的检测精度较高;改进算法对融合图像取得了92.6%的平均精度均值,较原始YOLOv7模型提高了5.83%;BoT-YOLOv7算法在检测行人和汽车等目标时漏检和误检率较低,具有较好的准确性和实时性,可以满足微光环境下多目标探测的要求。     

钨杆超高速侵彻混凝土靶侵彻深度研究

为探究钨杆超高速侵彻混凝土靶的侵彻深度随弹体初速的变化规律,利用125 mm火炮开展钨合金杆弹侵彻混凝土试验,验证了数值模拟的合理性。利用LS-DYNA有限元软件,对超高速侵彻过程进行数值模拟,结合数值模拟结果进一步分析超高速侵彻过程。研究结果表明：(1) 0.2～1.6 km/s速度范围内,弹体质量侵蚀率与弹体初始动能呈线性关系;(2)侵彻深度随弹体初速增加呈现先增加后减小现象,在初速1.2 km/s附近存在侵深最大值约80倍弹径,超高速条件下侵彻深度对于中低速侵彻并无优势;(3)随着侵彻速度的增加,流体侵彻阶段的侵深变化不大,而刚体侵彻阶段大幅度降低,使总侵深大幅降低,导致总体侵深曲线呈现先增大后减小的趋势。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。     

基于ANP对装备网络体系中作战环节点效能评估

针对装备作战体系的网络结构特点,将作战体系网络分解成作战能力环。分析了作战环要素组成及要素间关系特点,提出将作战环转化成对应网络层次结构;将作战环中中心作战目标和作战环节元素分别设为对应顶层及二级指标层,作战环节装备对应具体战绩指标设为三级战技指标层;集成ANP(网络分析法)与能力需求度评判对作战环节点及作战边进行评估,为装备体系网络拓扑结构研究提供支持。最后,通过实例证明评估方法合理可行。     

基于叠合度的维修性多源数据融合方法

针对装备维修性试验数据样本量不足的问题,采用了数据融合方法进行扩充数据样本量,通过建立折合模型对多源先验数据进行转换,解决了与现场数据差异较大难以实现数据融合的问题,采用了改进的Bayes Bootstrap法对多源数据的分布参数进行拟合,建立基于叠合度的数据融合模型,对装备维修性多源先验数据进行融合,结合某型坦克试验数据进行算例分析,证明了该方法的可行性。     

分布式传感器网络自适应一致性融合估计算法

针对分布式传感器网络的目标一致性状态估计问题,提出自适应一致性融合估计算法。考虑到网络中节点为测距和测方位的传感器,基于观测噪声与目标状态相关的假设,构建量测模型;引用无迹卡尔曼滤波与CI算法得到各节点的局部估计,通过误差矩阵加权更新节点状态以改进一致性算法,实现各节点对目标状态的一致性估计。仿真实验结果表明,该算法能够在快速收敛的过程中实现无中心节点的分布式传感器网络中各节点对目标位置的精确估计,同时又保证各节点之间的一致性。     

多站遥测数据加权融合方法

针对靶场试验中遥测数据融合处理问题,提出了一种多站遥测数据加权融合处理方法。依据对加权融合思想的分析,构建了融合权重与测量精度之间的对应计算模型;依据地面测量站对导弹实测数据的统计分析,构建了测量设备实时测量精度模型。基于典型算例对所提算法进行验证,结果表明所提算法能够较好地解决遥测数据融合处理问题,具有一定的理论意义和较好的应用价值。