基于双天线GPS的一次调炮解耦模型研究

现有的压制武器自动调炮主要包括二次调炮和一次调炮两种方案,两种调炮方案难以兼顾调炮性能和造价成本。因此,在压制武器系统中采用成本相对较低的双天线GPS定位测向装置,在满足火炮调炮高精度的同时降低成本。最后结合四元数理论,推导出基于双天线GPS的一次调炮解耦模型,目前该模型已在若干项目中得到成功应用。     

一种面向增强现实中相机标定的天牛须搜索改进算法

针对三维注册初始化中内参难以进行标定的问题,分析了亚像素精度与相机成像模型,并对天牛须搜索算法进行了改进,在此基础上提出了一种求解三维注册初始内参的相机标定方法。首先,在图片中提取角点并进行亚像素精化;然后,在相机成像方程中引入畸变系数,重新推导成像方程并求解内参;最后,提出天牛须扰动搜索算法并对内参进行非线性优化。实验结果表明,该方法可明显减小相机的重投影误差,可以为三维注册模块提供初始化内参。     

美国陆军多域特遣部队研究

在重回“大国竞争”战略转型背景下,面对俄罗斯等均势对手,美国陆军认为应着眼“联合、多域、高强度作战”,利用概念创新和技术进步重塑兵力结构,确保在未来冲突中取得战争主动权。为此,美国陆军启动了新一轮部队转型,探索多域特遣部队等新型作战力量的部队建设、兵力设计、作战运用等,旨在打造一支可在陆、海、空、太空、网络空间等作战域应对均势对手“反介入/区域拒止”能力的陆战力量。在全面理解当前新兴作战环境的前提下,本文分析了美国陆军多域特遣部队的发展历程、兵力部署、典型特征等,阐述了多域特遣部队的部队编配和作战职能,构想了多域特遣部队在竞争、危机和冲突阶段的典型运用方式。     

基于AHP-云模型的装备工程研制风险评价研究

装备工程研制阶段是把装备设计图样转化为物质实体的过程,是装备采购过程中历时最长,风险最密集的时期。通过查阅装备工程项目研制相关资料,构建了综合风险评价指标体系;采用层次分析法计算一级指标与二级指标之间的相对权重;利用云理论,构建装备工程研制阶段各类风险评估云模型,形成了标准云图;并以某型通信设备为例,对该型装备工程研制阶段综合风险水平进行了科学评估。该方法为装备采购部门和承制单位对装备工程研制阶段进行风险评价提供了新思路。     

一种基于改进r-NSGA-Ⅱ算法的联合防空问题算法

以传统动能武器及现代高能激光武器的防空反导作战为背景,建立了异构防御武器多战术目标的动态武器目标分配模型;在考虑指挥员抉择偏好的情况下,提出基于改进r-NSGA-Ⅱ算法的武器目标分配优化框架,给出具体优化流程;基于具体作战想定,设计实验将改进r-NSGA-Ⅱ算法与NSGA-Ⅱ、NSGA-Ⅲ、MOEA/D等经典算法在收敛性、分布性与时间复杂度等性能指标方面进行对比分析。实验证明,改进r-NSGA-Ⅱ算法在保证计算效率的情况下可以更好地反映指挥员的作战偏好与意图。     

基于贝叶斯理论的多雷达点迹自适应融合方法

雷达组网进行数据融合是复杂电磁环境下提高预警探测精度和容错能力的有效方法,研究人员需研究适应干扰、信噪比降低等复杂情形的数据融合方法。基于贝叶斯统计理论提出一种多雷达点迹融合方法,将贝叶斯多源数据融合方法与卡尔曼滤波结合,以卡尔曼滤波输出的航迹预测及其协方差作为贝叶斯理论的先验知识,以多雷达量测结果作为贝叶斯理论的观测值进行融合,并提出一种基于回波信噪比的点迹标准差实时估计方法,构建标准差自适应估计的点迹融合与滤波框架。仿真结果表明,多雷达点迹自适应融合方法,滤波精度优于单雷达滤波结果、优于航迹融合结果,能够适应目标距离、RCS起伏引起的标准差变化,具有较强的工程应用价值。     

一种基于航向估计的多平台纯方位目标转向机动检测算法

针对纯方位目标转向机动检测问题,提出一种基于航向估计的多平台纯方位目标机动检测算法。该算法通过选定假设机动点序列,解算假设机动点前后的两段目标运动要素,根据解算出的相邻段航向差序列变化来判别目标是否发生机动。基于Taylor级数要素解算模型,建立了两段运动要素联合解算模型和两段运动要素独立解算模型。通过对多种航路进行仿真计算,统计分析这两种解算模型下机动检测算法的虚警率、目标机动检测率、机动检测延迟时间以及机动时刻估计精度。仿真结果表明,两种解算模型下的机动检测算法能够有效地对转向机动目标进行机动检测。     

基于IHHO-MCNN的反坦克雷场效能评估研究

针对反坦克雷场作战效能评估问题,提出了基于哈里斯鹰算法(HHO)优化蒙特卡洛神经网络(MCNN)的反坦克雷场作战效能评估方法。首先,介绍了IHHO算法和蒙特卡洛神经网络的基本原理和算法流程;然后,对反坦克雷场效能评估的主要影响因素进行分析,归纳总结了反坦克雷场的作战效能评估的指标体系;最后,构建了IHHO-MCNN神经网络评估模型。仿真实验结果表明,该模型可以有效对反坦克雷场进行效能评估。     

基于深度强化学习的作战概念能力需求分析

作战能力需求分析是作战概念开发过程中的关键环节,在形式化描述作战概念能力需求分析问题的基础上,通过定性与定量结合,设计了一种基于深度强化学习的作战概念能力需求分析方法。该方法通过模拟仿真实验,获取高可信度的仿真小样本数据集;基于经验数据构建作战概念的代理模型,并以高可信度仿真数据集为输入,应用多目标优化算法对代理模型进行优化训练;最后,将训练得到的代理模型与深度强化学习框架进行交互寻优,实现作战概念能力需求的反向探索。选取“超越式登陆”为实例进行验证,实验结果表明方法可行。     

多雷达组网与协同探测关键技术研究

瞄准未来强对抗环境下雷达网作战任务需求,开展了多雷达组网与协同探测关键技术研究。首先,介绍了雷达网作战能力需求,其次,在雷达网传统树状层级结构基础上,给出新的雷达网分布式网络化体系架构,最后,研究了雷达网信息分发共享、情报融合处理、自主协同探测、系统反馈控制等关键技术。研究成果有助于促进多雷达组网理念更新与领域技术发展,为推动雷达装备和情报系统的迭代升级提供思路。