基于深度学习多网络融合的网联车辆驾驶行为预测

智能网联车在复杂道路场景中安全行驶需要对周围车辆驾驶意图和行驶轨迹的准确预测。将双向长短期记忆网络(Bi-directional Long Short-Term Memory)、卷积生成对抗网络(Deep Convolutional Generative Adversarial)和注意力机制(Attention Mechanism)相融合,提出一种基于BLSTM-DCG-ATT的网联车辆驾驶意图和行为预测模型。通过正反双向LSTM链路和注意力机制得到具有双重特征的数据,通过卷积生成对抗网络对特征数据进行卷积处理,迭代生成网联车辆及周围车辆的未来时刻变道意图和行驶信息。仿真结果表明：该模型能够在复杂路网、交通流密集的情况下,对网联车辆及其周围车辆的变道意图和行驶轨迹进行准确预测,预测精度达94%。     

反信号情报体系分析及发展

为在未来战争的信号情报对抗中综合采取各种方式降低敌方情报获取效能、牵引反信号情报工作发展建设,系统梳理分析反信号情报手段、措施及其技术体系,进一步研判其未来发展趋势,给出提升反信号情报体系能力的启示。该研究对未来信号情报手段的综合运用以及反信号情报手段的建设发展具有一定参考意义。     

来自二战的异想天开武器（之五）

拉特坦克和拉特Ⅱ型坦克虽然十分巨大,但终归是计划中的坦克,根本没有试制过。鼠式坦克则不同,它不但完成了设计,而且试制过两辆,因此是世界上最大的坦克。     

坦克的隐身之术

隐身技术已成为国外提高常规武器的战场打击力和生存力的主要技术手段,倍受青睐。特别是有“陆战之王”称号的坦克,其隐身技术的发展尤为迅速,它既可提高乘员的生存能力,又可增强对敌人的奇袭能力。那么它是如何实现隐身的呢?改进动力装置法国人发明了一种用电驱动的新型车轮,促进了坦克隐身功能的增强。法国的泰克尼克利公司展出了一种旨在给坦克提供“极高机动性”的车轮系统,它淘汰了传统的机械传动方式。美英法三国都在竞相研制电动车辆.其主要特点是隐身程度高。因电力马达无噪声,不产生废气,热特征也小得多,因而很难用雷达搜索和分辨出来。泰克尼克利公司所展出的样品,包括采用一台燃气涡轮发动     

对联合登陆突击旅炮兵运用的几点看法

联合登陆突击旅是联合登陆突击集团在登陆作战中达成战役突破的重要力量。本文对联合登陆突击旅的炮兵兵力区分、作战编成、战斗配置、火力运用等问题谈了几点看法。     

智能感知在防空反导OODA环中的应用

在未来智能化战争中,瞬息万变的战场态势对防空反导武器系统的探测感知和指挥决策提出了新的挑战。本文聚焦智能感知技术赋能未来防空反导作战装备,剖析了智能感知概念及内涵,围绕防空反导“观察、定位、决策、行动”（OODA）环以及典型作战流程,梳理感知对抗形态,主要包括预警与反预警、探测与反探测、跟踪与反跟踪、干扰与反干扰;揭示了智能感知对抗的核心科学问题是特征的隐匿与识别,给出了感知对抗技术在OODA环中的主要应用场景;最后,提出了提高防空反导装备智能感知对抗水平所需的关键技术发展建议。     

基于生成对抗网络的多智能体对抗仿真建模方法

多智能体对抗仿真建模技术在军事上具有重要作用,其中强化学习深度增强网络(DQN)是重要的建模技术.随着体系对抗建模中环境输入信息及智能体数量的增加,DQN的复杂性不断增长,而单纯采用强化学习技术只能通过极度稀疏的对抗胜负结果提供反馈进行训练,模型训练的收敛速度是一个难题.探讨在多智能体对抗建模中采用基于生成对抗网络(G...     

基于改进TOPSIS方法的坦克分队作战方案优选

针对坦克分队的作战方案优选问题,对于传统的逼近理想解排序方法(TOPSIS方法)提出了一种改进方案。分析了传统TOPSIS方法中的逆序问题,以及上述情况下由于评估方案较少,正、负理想解选取方法不合理的问题。提出了将作战方案的取值空间中各指标边界值作为正、负理想解各指标值的改进方法,使改进后的TOPSIS方法更适合评价方案较少的情况,同时避免了逆序问题。