OFDM-MIMO雷达转发式主瓣干扰自适应抑制方法

转发式干扰因与雷达发射波形的高度相关性,经雷达主瓣接收后易对雷达产生严重的干扰作用。为解决主瓣干扰问题,建立正交频率分集调频多输入多输出(orthogonal frequency division multiplexing-multiple input multiple output, OFDM-MIMO)雷达主瓣接收的转发式干扰信号模型,分析了该干扰对OFDM-MIMO雷达的干扰机理;同时基于自适应方法处理理论,推导了OFDM-MIMO雷达自适应处理权向量解析式,提出了基于距离依赖波束的OFDM-MIMO雷达转发式主瓣干扰自适应抑制方法。理论研究和仿真结果表明,提出的方法提高了输出信干噪比,实现了转发式主瓣干扰的有效抑制。     

双箭头负泊松比结构抗侵彻性能

采用数值模拟方法研究了双箭头负泊松比多胞结构抗子弹侵彻性能,对比分析了顶边撞击、铰点撞击、侧边撞击三种弹靶作用条件下子弹的侵彻行为与双箭头负泊松比结构的破坏形式。研究结果表明:当子弹以较高速度撞击双箭头负泊松比结构时,该结构的负泊松比效应不显著;顶边撞击与铰点撞击时,子弹直接贯穿结构,胞元破坏较小,此时双箭头负泊松比多胞结构抗侵彻性能较差;侧边撞击时,子弹未贯穿多胞结构,胞元破坏较大,双箭头负泊松比结构依靠其双三角结构使子弹发生偏转,显著增大了其侵彻阻力。分析了顶边撞击时子弹的入射角度变化对于双箭头负泊松比结构抗侵彻性能的影响,发现存在30°入射角和60°入射角。当子弹处于这两种入射角附近时,双箭头负泊松比多胞结构具有一定的抗侵彻能力。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

任务空间概念建模语言初探

通过研究军事专家与系统分析人员的沟通问题,借鉴可视化建模、分层建模和多视图建模的思想,提出了任务空间概念建模语言(MSCML),对MSCML语言的各个建模元素进行了简要的说明.     

悬浮固相颗粒对储集层基质孔隙的堵塞规律研究

应用胜利油区8个不同区块的岩心及注入水,采用岩心流动实验手段,研究了注入水中悬浮颗粒对储层孔隙的堵塞特征,发现悬浮颗粒对储层的堵塞特征表现为孔隙逐步堵塞和迅速堵塞两种类型;悬浮颗粒浓度低且孔径与粒径的比值较大时易形成孔隙避步堵塞;悬浮颗粒浓度大或孔径与粒径的比值较小时易形成迅速堵塞;悬浮颗粒对储层的堵塞程度、堵塞类型是颗粒浓度、颗粒粒径与储层孔喉匹配综合作用的结果;迅速堵塞特征的初始堵塞效果主要取决于孔径与粒径的匹配关系,最终堵塞效果主要与注入水中的颗粒浓度有关;高浓度的小颗粒对孔隙基质的堵塞特征表现为迅速堵塞。     

射频识别系统的多目标识别-反碰撞算法

对多目标识别技术的二进制搜索算法、时隙ALOHA算法进行了剖析,并对ALOHA算法用概率论和数理统计的方法进行了深入的理论分析,得出要根据所设计的射频识别系统的特点合理采用各种算法方可得到良好的效果.该算法的实现对提高高速公路上自动收费系统、人员和物流管理等各领域的工作效率具有一定的指导意义.     

多机空战系统的歼击机建模技术

分析了多机空战系统的顶层模型结构,给出了机载雷达、武器控制和导弹等三个主要部件的模型,可以将其应用于多机空战仿真系统的数学建模和软件设计中.     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%～18.2%,并且具有更好的识别稳定性。     

基于空地协同的山地冰川连续探测系统

针对无人机、无人车在复杂环境下运行不稳定、协作性差的问题,提出一种可以在冰雪表面、地形起伏等山地冰川环境下运行的空地机器人冰川探测系统。首先,该系统中无人机可适应高原山地低压、大风环境,无人车可在低温环境、冰雪表面长时间行驶,相应的轻量级地形建模和预测框架可将冰川表面环境点云模型转换成数据量更小的模型,且不造成大幅精度损失。其次,所提系统不仅可通过对驾驶数据、车辆状态数据与地形数据之间的相关分析建立驾驶技能模型,并利用增量式学习方法使驾驶技能模型快速适应冰川环境和复杂地表结构,其基于无人机机动性、无人机能耗、水平距离约束和视距约束的空地协同策略还可以保证系统的通信稳定和平稳运行。验证实验表明,提出的驾驶技能学习方案可以保证无人车在驾驶建议下平稳通过冰川危险地带,提出的空地协同策略可以保持较低水平的跟踪误差与通讯延迟。     

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。