广义计数型序贯抽样检验

针对计数型产品的可靠性验证试验,提出了一种广义计数型序贯抽样检验方案,该检验方案实际上是经典序贯概率似然比检验的推广.通过构造马尔可夫链模型,研究了广义计数型序贯抽样检验方案的风险计算方法.在此基础上,给出了广义序贯抽样检验方案的制定程序.最后,通过实例分析表明:广义序贯抽样检验方案比国际标准IEC1123所推荐的方案...     

非局部薄板动力学特性分析的广义有限积分变换方法

基于应力梯度非局部薄板理论模型,推导了非局部薄板动力学特性求解的广义有限积分变换方法.通过选取适应边界条件的积分核函数并构建广义积分变换对,应用积分变换将非局部薄板的高阶偏微分方程变换成线性方程组,直接求解得到固有频率.将广义有限积分变换方法的计算结果和有限元法及已有文献的结果进行对比,验证了本文方法的正确性.在此基础...     

一种波束内目标与诱饵 DOA联合估计新方法

拖曳式诱饵干扰下目标和诱饵DOA参数的准确估计是导引头实现目标分选的前提条件。波束内目标和诱饵的存在引起雷达回波混叠和观测耦合,导致常规观测提取与参数测量方法失效。通过挖掘雷达接收回波和、差通道信号条件概率分布协方差所包含的未知参数信息,获得了目标和诱饵DOA估计的解析表达式,针对估计求解中所需相对功率比未知的情况,提出了基于干扰检测、雷达测量与目标跟踪信息辅助循环估计相对功率比的DOA二次联合估计方法。不同干扰条件的仿真实验验证了估计方法的有效性。     

战后局部战争中的“撒手锏”

"撒手锏"武器装备是一种技术含量高、作战使用隐蔽,能够在关键时刻出其不意"一招制敌",迅速扭转战局的武器装备。越南战争以来,侦察卫星、精确制导弹药、隐形飞机等"撒手锏"武器装备登上战争舞台,先后经历了单一使用、协同运用和系统对抗三个不同发展阶段,使用频率越来越高,对历次局部战争进程和结局的影响愈来愈大。     

城市防空作战指挥应把握的三点

（一）建立侦察、预警报知体系,确保指挥的时效性。建立完整的报知体系,是实施有效指挥的基础。城市防空作战要充分利用作战任务明确、作战区域固定、阵地建设充分的优势,利用地方现有的雷达导航设备、无线电监控设备、网络设备和预设的人工观察网,建立远方侦察与近方侦察相结合、技术侦察与人工侦察相配合的侦察预警报知体系。前方人工观察哨网可由数个携带观察和通信器材的观察小组组成,配置在防空火力最大射程以外适当距离的扇形区域内。选择制高点。实施多层交叉布哨和观察;近方观察哨主要由阵地侦察网组成,由各阵地派人组成,接观察射界区分观察、射击任务。通过各种手段、各种途径,尽可能为部队提供较多的准备时间。     

基于智能反射面辅助的无人机主动监听优化方法

针对可疑用户可能利用无线通信危害公共安全的问题,通过智能反射面和无人机组合的方法来帮助合法监视器监听可疑链路。首先,考虑了无人机与地面用户以及地面用户之间复杂的信道交互,构建了一个合法监视器监听速率最大的优化问题。其次,为了解决这个复杂的非凸优化问题,采用深度强化学习技术,将无人机的轨迹规划和智能反射面的相移变化问题建模为马尔可夫决策过程,设计了相应的奖励函数,并基于最大熵的深度强化学习算法实现无人机和智能反射面相移设计的联合优化。最后,从仿真结果看,与无智能反射面的优化方案相比,有智能反射面的优化方案不仅提高了合法监视器的监听速率,还降低了无人机的能耗,另外智能反射面反射单元的不同数量也会对监听速率产生影响。同时,相较于近端策略优化,基于最大熵的深度强化学习算法的优化策略拥有更稳定的训练过程和更快的收敛速度。     

基于灰度图的空基双站交会定位区模型

确定和分析交会定位区是电子对抗侦察行动的一项重要工作。构建起双站交会定位区模型;设计一种确定区域轮廓的算法,实现定位区域的灰度图表示;仿真分析最佳站距的影响因素,提出确定最大内接矩形的方法,以及分析偏航角对侦察效率的影响。通过仿真证明建模方法的合理性,为电子对抗直升机侦察部署提供参考。     

目标区域局部特征和局部图像质量相结合的激光干扰效果评估

为客观描述光电成像系统激光干扰效果,提出目标区域局部特征和图像质量相结合的干扰效果评估算法。图像的局部特征用特征点描述,图像质量用结构相似度指数描述。该算法利用特征点匹配算法确定场景图像中的目标区域,计算干扰前后目标区域内特征点数量的变化、干扰后目标区域内未饱和面积所占的比重以及目标区域内图像的结构相似度指数,并将上述各参数相乘得到最终的评价指标。利用该方法对典型激光干扰图像进行评估,结果表明:在不同入射功率和不同光斑位置情况下,所提评估指标比单独使用结构相似度的评估指标具有更大的取值范围和更明显的非线性变化特征。这说明:该指标能够反映光电成像系统激光干扰过程的丰富细节,更加适合激光干扰效果的评估。     

基于异环境重要性采样的增强DDRQN网络

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。