单目标探测下的双红外被动测距方法

基于工程三维应用中红外探测目标信息存在误差的情形,建立了对单目标探测进行双红外被动测距的方法,并且通过单点测试验证了该方法的正确性。利用Monte Callo模拟实验法,分析了红外探测角度误差、两站点基线距离和单目标运动特征对该方法定位精度的影响。     

多指标约束下的防空反导装备修理级别建模

修理级别分析是防空反导装备维修决策的重要内容。分析了防空反导装备的组成结构和维修流程,建立了基于模块化装备的修理级别分析决策流模型,在多指标约束条件下,以维修效果和维修费用为目标函数,建立了防空反导装备修理级别的经济性分析模型,运用自适应粒子群算法对模型进行求解,通过算例证明了该模型的合理性和方法的有效性,对于完善防空反导装备的修理级别决策分析具有理论指导意义。     

充分发挥临时党组织功能强化对抽组保障模块的集体领导

联勤保障旅是新一轮国防和军队改革中诞生的一支新型作战保障力量,人员装备主要从各仓库、医院、汽车部队抽组,面临抽组力量多元、人员类别多样、执行任务多变等问题。如何把握这一特点,充分发挥临时党组织功能,强化对作战保障行动的组织领导,是需要认真研究探索的一个现实课题。     

基于双层粒子滤波的多传感器多目标TBD算法

针对多传感器多目标检测跟踪问题,提出了一种多传感器多目标双层粒子滤波检测前跟踪算法。算法采用双层粒子滤波结构,在目标检测层中采用量测消除法对多目标逐一检测,形成目标跟踪子粒子群,在目标跟踪层中采用二次重采样的方法对粒子群中粒子分布进行修正,在跟踪过程及时发现并剔除虚假目标。仿真结果表明算法的有效性。     

学龄前留守儿童执行功能的发展趋势和影响因素研究

[目的]研究学龄前留守儿童执行功能各个子成分的发展趋势和影响因素。[方法]本研究使用执行功能任务组和《自编留守儿童基本信息调查表》对155名南昌市农村地区的学龄前留守儿童进行测量和调查。[结果]①学龄前留守儿童执行功能各个子成分在3-5岁之间显著提升。②5人和5人以上共同居住的学龄前留守儿童在认知灵活性任务FIST(2)中表现水平好于5人以下居住的儿童。③与母亲在18个月月龄之后分离的学龄前留守儿童在抑制控制任务SCA中表现水平好于与母亲在未满6个月月龄分离的儿童;与母亲在18个月月龄之后分离的学龄前留守儿童在工作记忆任务VWM中表现水平好于与母亲在未满6个月月龄分离和6个月月龄到18个月月龄之间与母亲分离的儿童;与母亲在18个月月龄之后分离的学龄前留守儿童在工作记忆任务WMS中表现水平好于6个月月龄到18个月月龄之间与母亲分离的儿童。④4岁以下的学龄前留守儿童,每日电子产品使用时间较短的留守儿童在抑制控制任务GNG中表现水平好于使用时间中等和使用时间较长的儿童;每日电子产品使用时间较短和使用时间较长的留守儿童在认知灵活性任务FIST(1)中表现水平均好于使用时间中等的儿童。[结论]家庭生活环境会影响学龄前留守儿童执行功能的发展。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

基于混合粒子群优化的多目标决策新方法

多目标优化问题中的一个关键在于合理地评判各有效解的优劣。通过引入灰色系统理论中灰色关联度的概念作为评判准则,结合粒子群优化算法进行有约束多目标规划问题的研究。提出了一种新的不可行解的保留策略,进化过程中以此策略保留适量的不可行解,有利于增强对约束边界附近可能的最优解的搜索,同时,针对粒子群优化算法的容易陷入局部最优的缺点,实现了以粒子群优化为载体的混合算法:即对全局极值邻域进一步混沌搜索寻优。仿真结果表明改进的算法对多目标决策问题是有效的。     

融入粒子群优化的UPF算法研究及其导航应用

粒子滤波易出现粒子多样性损失,粒子退化等问题,且在初始未知时,需要粒子数较多,收敛较慢。针对上述缺陷,在UKF和PF滤波基础上,将改进了搜索因子的粒子群优化算法融入U粒子滤波算法,提出了一种新型粒子滤波算法,加速了算法的收敛速度。将其应用于地形匹配导航算法中,仿真结果表明该新型算法明显优于UPF及PF算法,更适应于大误差的初始条件下,收敛速度快,具有更高的导航精度和抗噪特性。     

基于最优控制的翼伞路径规划

提出了一种基于最优控制的翼伞路径规划方法。该方法以提高落点精度和减少操纵量为目标,将翼伞的轨迹优化问题转变为参数优化问题,并运用改进的粒子群优化算法进行了有效的求解,得到了基于最优控制的翼伞路径规划的近似最优解。为了验证该方法的可行性,在仿真环境中同时使用了传统分段控制方法和最优控制方法。归航的计算机仿真结果表明,基于最优控制的翼伞路径规划方法提高了落点的位置精度和方向精度,同时减少了操纵量。