空中对抗机动飞行实时评估方法研究

针对空战对抗中机动飞行评估实效性差、准确度低的问题,根据数据链传输的各种实时信息,采用理论建模与案例实证相结合的方法,构建模拟空战机动飞行环节的实时评估模型。在分析评估所需数据的基础上,提出新的数据更新方法,设计了数据链信息下传流程。以战术机动数据为依据,构建战术优势函数,通过对飞机战术态势的准确评判,实现对机动飞行的评估。通过近、超视距空战两种场景仿真,验证了评估方法能有效提高机动飞行评估的实时性和准确性。     

基于概念模型的攻防对抗系统设计方法(英文)

攻防对抗仿真实体模型的复杂化与多样化对于现有的分布式仿真体系提出了更高的建模需求。在对攻防对抗仿真需求分析的基础上,采用概念模型作为不同人员、不同平台之间的交互方式,提出了攻防对抗概念模型(CMAD)的定义,研究了基于CMAD的攻防对抗仿真系统框架与一体化建模过程。针对实际的HLA分布式仿真结构的应用过程,研究了CMAD开发辅助工具设计方案与关键实现方法。空地对抗仿真实例验证了系统的应用价值。     

强大的武器装备是强军的基础

未来战争是陆、海、空、天、电五维一体的信息化战争,是大系统与大系统之间的对抗,这种体系对抗的特点,对提高武器装备体系的整体效能提出了新要求 党的十八大以来,习近平主席从时代发展和战略全局的高度．对国防和军队建设作出了一系列重要指示,为在新的历史起点上加快推进国防和军队现代化指明了方向。     

面向作战体系的生成式对抗网络应用研究

生成式对抗网络GAN作为一种生成式模型,受博弈论中二人"零和"博弈的启发,通过对抗学习的方式来训练,可以达到估计数据样本的潜在分布、生成新的数据样本的目的。从GAN的基本原理和实现模型入手,综述了其衍生模型和研究进展,对其在作战体系研究领域的应用进行了分析展望。     

野战通信对抗仿真系统中的传播模型分析

传播模型的建立是进行通信对抗仿真的一项关键技术 ,直接影响到仿真系统的准确性和对通信对抗效果评估的可靠性。在野战条件下 ,“地波”是战术无线电台通信的主要传播方式。本文讨论了野战通信对抗仿真系统中的“地波”传播模型 ,对各个频段的地表面波传播损耗进行较细致的分析     

北斗导航信号欺骗干扰建模与测试

针对北斗信号欺骗干扰模型及终端影响研究不足的现状,首先讨论了北斗导航信号欺骗干扰模型,重点研究了同步码相位和异步码相位两种新型诱导式欺骗模型,分析得出后者技术可行性更高;然后,在Matlab环境下仿真了北斗欺骗干扰信号,通过信号捕获相关峰验证了功率相同情况下欺骗干扰的干扰效果;最后,用搭建的实验平台测试了欺骗干扰对北斗接收机的影响。结果表明:在接收机稳定跟踪真实信号的前提下,对某型北斗接收机成功实施欺骗干扰的临界干扰功率条件为25 dB左右,该结论为北斗接收机欺骗干扰检测和防御提供了一定的技术支撑。     

网络雷达对抗系统反隐身优化部署技术

针对传统雷达反隐身检测存在的角度信息丢失、装备资源利用率不高等问题,提出了一种基于改进粒子群算法的网络雷达对抗系统反隐身优化部署技术。该技术建立了网络雷达对抗系统反隐身检测模型,在此模型基础上将任务区域进行划分和覆盖率加权,得到粒子群算法的目标函数并对收发站粒子种群进行重新部署,通过多次仿真实验得到了最优化布站数量。仿真结果表明,与标准粒子群算法相比,所提出的研究算法收敛更快,得到的加权覆盖率更高,可满足反隐身优化部署效费比需求。     

基于数据耕耘的作战仿真评估系统框架设计

针对当前作战仿真评估系统存在的仿真结果数据利用效率低和体系对抗特征不明显等诸多弊端,提出一种基于数据耕耘的作战仿真评估系统框架设计,以形成数据在环、多想定创建、回合制交互、多分辨率模型提炼和多视角因素分析的良好机制,提高仿真评估系统的数据支持力度和体系对抗性,为现代军事活动中的决策支持提供可靠参考。     

潜艇水声对抗航空声呐作战效能仿真研究

为得到潜艇水声对抗主/被动航空声呐的最佳策略,构建了水声环境模型和声呐探测模型、潜艇对抗模型,提出了一种考虑声接触、跟踪、定位和识别处理的航空声呐信息处理模型,仿真分析了被动声呐浮标和主动吊放声呐等典型航空声呐在接触潜艇的条件下,不同潜艇水声对抗策略的效能。结果表明,对抗被动声呐时,减小辐射噪声比提高航速更为有效,潜艇应该采用大深度、最小噪声航速、最短距离脱离。如果潜艇通过电子侦察侦听到声呐浮标空投入水声音得知被动声呐浮标方位,可以插入气幕弹恶化被动浮标阵共视条件,避免跟踪定位,提高对抗效果。对抗主动声呐时,改变航向、投放宽频干扰器和声诱饵后高速脱离是潜艇的最佳策略,脱离过程还可以插入气幕弹恶化声呐跟踪定位识别环境,为潜艇拉开与声呐的距离提供条件。该研究可为潜艇水声对抗主/被动航空声呐提供仿真环境和决策参考。     

基于改进强化学习的多无人机协同对抗算法研究

多无人机的作战协同研究内容主要包含飞行协同、侦察协同及干扰协同,随着无人机数量及协同决策内容的增加,多智能体强化学习模型的状态空间及动作空间维度呈指数增长,多智能体强化学习算法在训练中不易收敛,协同决策水平难以得到显著提升。采用并对多智能体深度确定性策略梯度(MADDPG)算法原理进行模型构建,在此基础上提出了一种选择性经验存储策略的多智能体深度确定性策略梯度(SES-MADDPG)算法。该算法通过设置回收存储标准以及选择性因子,对进入经验池的经验进行选择性存储,以缓解奖励稀疏的问题。仿真实验表明,在保证算法时间复杂度的前提下,SES-MADDPG算法比其他强化学习算法有了更好的收敛效果,相较于MADDPG算法,任务完成率提高了25.427%。