有人机/无人机协同空地攻击效能评估的综合指数模型

研究了未来有人机/无人机协同空地攻击的典型作战模式,然后根据混合编队的作战过程和特点,提出了一种建立有人机/无人机协同空地攻击效能评估的综合指数模型;同时确定了综合指数模型中各分系统和分项能力的评估模型。最后以6种有人机和6种无人机的协同空地攻击效能评估为例计算并检验了模型的可用性。     

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

用遗传算法实现雷达网目标分配

通过对雷达网目标分配问题的深入研究,建立了数学模型.为了获得发现概率最大的目标分配方案,引入了遗传算法来对模型求解,并给出了实现的步骤和方法.最后经过验证,证明该方法应用在雷达网目标分配问题上切实可行.     

基于遗传算法与支持向量机的火炮内膛疵病分类方法研究

支持向量机能够较好解决小样本、非线性数据特征的多分类问题,适用于火炮内膛疵病的分类,但其性能依赖于其参数的选取;对基本遗传算法进行改进,使用自适应的交叉算子和变异算子,并应用于支持向量机参数优化;通过对火炮内膛疵病分类精度的对比研究,改进的遗传算法确定支持向量机优化参数的方法取得了良好的效果,验证了该方法对疵病分类的有效性。     

舰舰协同防空的舰空导弹杀伤区分析

针对舰艇编队协同防空时的耦合杀伤区形状及纵深等问题进行了研究,以定量地对编队耦合杀伤区进行简化描述。分析了单舰对典型目标的杀伤区特性,探讨了舰艇编队的典型防空队形,研究了纵向上递阶多层次、横向上同阶耦合的"递阶封闭圈原理"。以一阶耦合杀伤区为重点,依据攻击目标的不同,将其分成相对航路捷径为零和相对航路捷径均非零两类情况建立了耦合杀伤区纵深的计算模型,并扩展到了高阶耦合的情况。研究了耦合杀伤区与舰舰间距和来袭目标进攻舷角等参数的相互关系以及灵敏度。结果表明建立的模型符合实际,具有一定的指导意义。     

基于遗传算法的卫星通信干扰资源分配

针对卫星通信对抗中干扰资源分配这个问题,利用遗传算法在解决组合优化问题上的优点,提出了一种基于遗传算法的卫星通信干扰资源分配方法。利用这种方法对某给定的作战情况进行仿真,仿真的结果表明,尽管这是一种求得近似最优解的方法,但这种干扰资源分配方法是比较有效的,并且分配的结果具有一定的可信度。     

基于Alamouti码的卫星差分协同方案设计与仿真

协同通信是可望在未来移动通信中得到实用的高性能信号传输技术之一。为有效避免协同通信进行实时信道估计比较困难这一难题,提高系统的可实现性,文章针对卫星移动通信的系统结构提出了一种基于Alamouti码的卫星差分协同通信系统方案,并利用Matlab软件对该方案在不同卫星移动衰落信道环境中的性能进行了仿真分析。结果表明,在相同的信道条件下,采用协同方式可大大提高系统的抗衰落能力,而且卫星移动通信的特定系统结构非常适合协同通信的性能发挥,使其接近或达到传统多天线系统的性能。     

有人/无人机协同空战任务规划技术

随着“分布式作战”“马赛克战”等新型作战概念的提出,无人机作为新型空战力量,依靠其灵活性、机动性、互操作性和低廉的成本,有效地弥补了有人机在空战中的作战“盲区”,将其纳入现代空战的任务规划体系,与有人机协同配合执行空战任务,会对空战结果产生巨大的影响。研究了基于数据的空战离线任务规划技术和基于任务的空战在线任务规划技术,并基于OODA环对有人/无人机协同空战任务规划技术进行了综述,结合该技术在测试进程和实际作战应用中存在的不足,展望了该技术未来的发展趋势,对下一步开展有人/无人机协同空战任务规划研究提供借鉴参考。     

改进Faster R-CNN的视频SAR动目标检测算法

针对当前可用于深度学习的视频SAR数据稀少的现状,以及动目标检测算法中存在较多的漏检和虚警问题,基于美国桑迪亚国家实验室真实视频SAR数据制作深度学习数据集,提出一种改进Faster R-CNN的视频SAR动目标检测算法。算法以截取后的ResNet50为特征提取网络,利用K-means加遗传算法自适应计算锚框,并在数据预处理环节加入S型曲线增强方法,来增强图像的对比度信息。经实验验证,所提出方法能够显著提升动目标检测率和检测速度,其中,平均精度（AP）和F1分数提升均达到10个点以上,有效降低了虚警和漏检,整体表现优于一阶段算法SSD和RetinaNet。     

基于GAPSO-TS的多基地无人机航路-时间协同规划

针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度.在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性.