聚焦印度战略“撒手锏”——“烈火”Ⅱ型导弹

据巴基斯坦媒体5月28日报道,印度与巴基期坦目前都已把“战略性”核弹头运往两国边境,包括各自的运载工具“烈火”、“沙辛”及“大地”、“哈塔夫”在内的中、短程弹道导弹也相继在边境地区部署就位。战争一触即发,南亚次大陆笼罩在核战争的恐怖之中。而在两国的核弹头运载工具中,印度的“烈火”Ⅱ型导弹由于其独特的发展背景、优越的技术性能和较强的作战能力而“一枝独秀”,被印度奉为战略“撒手锏”,形成其核威摄的中坚力量。     

隐身伪装技术新发展

隐身技术,是指通过减少目标雷达、红外线、光电、声响等暴露征候,使目标在战场不被探测的一种伪装技术。隐身技术的出现为目标的隐真伪装提供了新的实现途径。与示假伪装相比,隐身技术能最大限度地保证目标的生存,因为示假虽然能提高战场目标的生存能力,但不能保证真目标不连同假目标一起被摧毁。而对于关键目标(武器装备、工事等),敌不惜武力进行摧毁下,这时,隐身伪装就显得十分必要。     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.     

变结构多模型估计第Ⅲ部分——模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群.它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.同时,它很容易实现.通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量.     

基于神经网络动态规划的导弹防御和截击机分配

这篇文章的目的是说明一种解决导弹防御问题的方法,它包括在一系列交战中防御资源的连续分配问题。该问题是一个动态规划/马尔科夫决策问题,由于它包含大量的状态和复杂的模型结构,通过精确的方法计算是非常困难的。本文利用动态神经网络规划(NDP)结构,通过用神经网络结构训练模拟数据,得到近似cost-to-go函数。最后给出了通过不同训练方法得到的结果,并通过比较选出了最优。     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。