组网雷达的半实物分时仿真方法

提出了组网雷达的半实物分时仿真方法,可有效解决在半实物仿真中,采用一套半实物设备实现多部雷达组网仿真的问题.半实物分时组网仿真方法包括离线处理的、以整个跟踪时间为周期的长分时方法,以及在线处理的、以雷达采样间隔为周期的短分时方法.首先介绍了一个典型的半实物仿真系统,接着描述了两种分时仿真方法的流程,其次对两种方法的核心...     

黄河口:流淌浓浓拥军情——山东省东营市“五项安置”工作经验推进惠军利民工程纪实

军转干部安置择优选岗、退伍士兵安置多项选择、随军家属安置分类保障、军人子女入学安置优先办理、退休干部安置跟进服务,是被山东省委、省政府、省军区誉为"东营模式"的拥军优属"五项安置"工作经验。该市把"五项安置"工作融入和谐社会建设,作为支持部队建设的基础性工作来抓,党委领导高度重视,职能部门协调配合,干部群众广泛参与,使"五项安置"工作走上经常化、制度化、规范化轨道,提升了军地融合发展的效益。他们的经验和做法值得借鉴。     

分布式面向对象多模型建模与仿真框架

美国佛罗里达大学计算机和信息科学及工程系两位学者负责的课题组开发出一种多模型面向对象(OO)的仿真环境(MOOSE)。这种环境是用于建模及开发仿真软件的框架．它的结构派生于面向对象的物理模型(OOPM)．它将传统的面向对象的方法论扩展到允许属性和方法取模型为其值．MOOSE模型库(MMR)允许分布式模型定义,进而支持以万维网为基础的仿真,与万维网整合,使其在因特网上可用。MOOSE以多模型为特征,而多模型是一种面向对象的模型提炼与抽象的方法,它允许不同种类的分层模型的创建。组成多模型的动态模型包括有限状态机,功能块模型,方程约束模型以及基于规则模型．MOOSE强调可视化和对于OO隐喻的有效使用,从而连接概念化的模型和程序,并捕捉模型的几何和动态特征．MOOSE的人机界面有两个图形化的用户界面(图形用户接口)建模器,用于模型设计;脚本,用于模型的执行控制及可视化．MOOSE的尾端产生用目标语言(如c++)表示的模型描述,然后编译并加上运行时间支持,构成引擎．模型的执行由引擎与脚本的同步运行构成。MOOSE方法促进了模型的发展,使其更加具有直观感,更利于模型作者之间的沟通,仿真程序与它们的概念模型间更好的一致性,部件重用以及模型／程序的可扩展性．     

基于大数据的战区联合作战装备保障决策

大数据技术在决策领域的不断应用,将给装备保障决策方式带来重大变革。本文研究基于大数据的战区联合作战装备保障决策问题,提升信息化条件下装备保障准确、高效的决策方式等方面发挥重大作用。阐述了大数据的基本内涵,在决策领域的应用价值。通过系统推理的方法对战区联合作战装备保障决策的分析,提出基于大数据的战区联合作战装备保障决策基本构想,画出科学决策过程示意图,构建大数据战区联合作战装备保障辅助决策系统。结合研究大数据在战区联合作战装备保障决策领域的现实情况,提出相对应的措施建议。     

基于BP神经网络的水下对抗预测模型研究

针对水下平台水下对抗作战量化验证评估困难、指导机动规避作战模型欠缺等问题,设计了一种基于大数据学习的水下对抗预测模型。首先进行水下平台水下对抗建模,基于蒙特卡洛方法执行若干轮次仿真获得规避概率数据集;同时,为解决海量仿真下时间效率不佳的问题,提出利用BP神经网络预测算法进行数据学习,提供准确、快速、可视化的对抗结果。试验结果表明,在本文设定的试验环境下,基于BP神经网络预测算法的平均预测误差为7.28%,可有效对水下平台规避概率进行预测,为指挥员指挥决策提供数据支撑。     

生成式对抗网络在SAR图像处理中的应用综述

合成孔径雷达自动目标识别技术是SAR图像处理领域的研究热点,但数据样本不足的情况导致SAR-ATR应用研究受到局限。传统扩充SAR数据集的图像仿真技术模型复杂、计算量大,生成图像不够逼真。生成式对抗网络GAN不需要目标先验信息,可以直接从真实图像数据中生成逼真的图像,具有低损耗和端到端的优点,因此相较于传统方法其更适用于小样本SAR数据高质量扩充。围绕GANs在SAR图像处理中的研究应用展开叙述,介绍了获取目标SAR图像的方法,包括传统的仿真技术和基于深度学习的GANs技术;从目标图像和场景图像等2个方面介绍了GANs训练的常用SAR数据集;针对不同数据集的应用场景,重点介绍了GANs网络在目标SAR图像生成、SAR超分辨率重建、SAR和光学影像融合等3个方面的最新研究进展;最后,结合深度学习和SAR目标特性,给出了GANs网络在SAR图像应用方面的后续发展建议。     

数据加密实现方法

数据隐密性保护和数据完整性保护是数据加密的两个不同范畴。本文从这两个不同范畴出发,简要分析了几种具有代表性的加密体制。     

基于区间数TOPSIS法优选空军战役作战计划

针对战役作战计划优选中的不确定性,运用区间分析和TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)法探索空军战役作战计划优选问题.通过引进区间数乘法运算,将区间数多指标决策问题转变为指标为区间数的多指标决策问题,进而给出区间数多指标决策问题的TOPSIS法,对空军战役作战计划进行排序选优.与传统方法相比较,该方法较好地解决了评价指标为不确定值时的多指标决策问题.     

基于多Agent装甲武器平台指挥决策模型

在深入研究武器平台指挥决策规律的基础上,提出了一个新的基于多Agent武器平台指挥决策模型。通过认真分析指挥决策自主行为产生活动的过程,给出了基于KQML语言的多武器指挥平台协作模型以实现多指挥决策计算机兵力生成之间的协作。最后,通过模糊神经元网络系统,该模型实现了指挥决策计算机兵力生成系统自主推理和决策的功能。