制导雷达组网反隐身研究

现代战场上各种隐身目标的出现,要求利用多种传感器组网来采集信息并加以融合,才能充分利用隐身目标各个方向及各个频段不同的反射特性,最大限度提取信息,满足战场对信息、目标识别和态势分析的需要。为此,对制导雷达组网的带反馈的数据融合模型,以及分层Kal-man滤波融合算法、信噪比加权融合算法进行了研究,并通过对特定组网布站的仿真试验,验证了制导雷达组网反隐身的有效性。     

射击控制

由于当一个以上的军种对一个单独的目标射击时需更好协调作战,美“海军综合射击控制防空”正在以一种完全交付联网、分布式和远程防御射击控制的新能力而出现。在下一个10年,该兵种计划实现集成程序,通常叫做NIFC-CA,最终将其纳入联合跟踪和火控网络。它将帮助美军创建一个单独     

基于Agent的分布式海上编队防空作战仿真体系

现代海战中,对空防御已经成为水面舰艇编队防御的主要内容.针对舰艇在整个编队防空体系中的角色,开发了自治/半自治CGF兵力,提高了战场对象描述的智能化水平和逼真度,在应用中将聚合级CGF作为一个联邦成员加入到平台级作战仿真应用中,整个仿真系统采用开放型设计,可以方便地嵌入各种算法和数据融合.研究表明:所开发的CGF联邦成员提高了海上编队防空作战仿真的通用性和建模工作的效率.     

分布式多频带雷达数据融合目标高分辨分析方法

宽带雷达接收的目标散射回波提供了目标散射点的散射类型及距离高分辨.由于条件限制,很难获得宽带及超宽带回波数据.采用状态空间法融合不同频带下的雷达回波数据得到目标高分辨分析.仿真证明,该方法能够有效地利用多部不同频带雷达的回波来获得目标的散射特征,明显优于同条件下单部雷达所得到的结果.该方法提供了一种以多部窄带雷达等效获得宽带、超宽带雷达的可行方法.     

三维造型库的设计与实现

分布式虚拟环境中的三维造型和纹理资源通常都是分散存储的,此种存储方式占用空间大,管理困难.提出了在分布式虚拟环境中建立造型库,集中管理造型资源的方法.设计和开发了造型库管理软件.解决了三维造型的分散式管理体制所引发的存储资源浪费、造型一致性冲突、造型管理困难等诸多弊端.     

下一代军用无人地面车辆发展趋势探究

无人地面车辆可以用于执行多种任务,这一点已是毫无疑问。近期的几场局部战争已经通过严酷的实战证明了一系列无人地面车辆系统的实用性,并突显了军用机器人在现代战场上的优势与弱点。美军已有多种型号的无人地面车辆投入战场,被用户群体和军队指挥机关广泛接受。目前,已经部署的美军无人地面系统正在逐步从战场撤出,未来的战场需求也尚在拟制当中。因此,这些武器装备的未来走向,正处于至关重要的十字路口。迄今为止,美     

面向网络化无人机集群的计算换通信分布式任务调度方法

针对网络化无人机集群任务自主协同问题以及市场竞拍法的优缺点,提出“计算换通信”思想及其相应的分布式任务调度方法。通过对显式和隐式冲突任务的分析,建立任务相关智能体集合。提出基于任务抑制的局部优化方法,用于提前消解部分任务冲突,以减少算法迭代次数。设计基于历史竞标信息的智能体位置推断法,为局部优化提供必要的信息输入。基于组网仿真平台与集群救援场景开展蒙特卡罗仿真实验,结果表明,相比于市场竞拍法中具有代表性的基于共识的捆绑算法和性能影响算法,所提方法能够获得更少的迭代次数、更短的收敛时间以及更优的调度性能。     

跨域分布式防御作战及关键技术研究

随着信息化装备的高速发展,作战样式也在不断变化与进步,空地协同跨域分布式防御作战将成为必然。空中作战平台具有机动性能好、视野广阔、态势感知能力强等优势,而地面防御装备具有部署隐蔽、火力覆盖范围广、抗干扰能力强等优势。采用空中与地面分布式协同的方式,可充分发挥各自优势,提高各军兵种装备利用率,实现更大的作战效能。未来空地协同作战将呈现“立体统一、空地协同、一域多分”等特点,针对未来战场特点,提出了空地协同跨域分布式作战的必要性,给出了跨域分布式防御的特点,剖析了当前防御作战架构的不足,并对空地协同跨域分布式防御的具体措施进行了分析,总结归纳了跨域分布式防御的关键技术,最后给出了发展建议。     

临近空间传感器分布式组网研究

研究了临近空间分布式传感器网联合发现目标概率,探讨了区域警戒传感器网中部署传感器数目与该网总发现概率等的关系,提出了3种特殊的分布式网络传感器区域的布防模式,并建立了定量评价传感器网性能指标的数学模型。模型的建立为定量评估传感器组网系统效能奠定了理论基础,也为分布式传感器网络系统的部署优化、传感器的选配等提供决策依据。     

基于网格的聚类挖掘算法

为了提高海量数据挖掘效率,研究了一种基于网格环境下的分布式聚类（Prejudge-Based Distributed Clus-tering,PBDC）算法,并引入距离、模和内积的概念,在聚类之前进行预判断,减少了不必要的计算开销。在此基础上提出了一种分布式并行化聚类（Distributed Parallel Clustering,DPC）算法,将其嵌入到Weka4ws中,以开源数据挖掘类库Weka为底层支持环境,构建网格环境下的分布式数据挖掘体系,同时进行仿真实验。实验结果表明：该算法对于网格环境下海量数据的分布式聚类具有良好的效果。