基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。     

基于AR的单兵态势生成软件设计

根据单兵作战指挥系统对实时应急指挥和战场态势掌握的需求,研究基于AREngine平台用于单兵战场协同态势生成软件设计。利用国产智能手机对传统沙盘进行增强现实态势呈现,通过充分利用步兵指挥员及作战人员所配备的单兵系统核心处理设备——智能手机的强大AR功能,为作战人员提供步兵指挥、作战推演、力量部署及战场态势的逼真呈现,可用于战时筹备兵力、模拟训练时的战略部署等,具有较为现实的意义。     

战役态势认知的概念框架

战役指挥人员根据态势认知进行决策,态势认知不足将导致决策错误。如何开发战役态势认知智能辅助系统,以辅助战役指挥官动态认知战役态势是一个亟待解决的问题。对态势认知概念进行了介绍;对战役态势概念和要素进行了分析;根据战役态势特点构建了战役态势认知框架,描述了框架各个组成部分的功能、作用和主要模型。所提出的战役态势认知的概念框架可以为战役态势认知智能辅助系统提供指导。     

战场数据融合仿真系统设计与实现

介绍了一种战场数据融合仿真系统的设计与实现方法。该系统由场景设定、信号产生、融合跟踪处理、目标识别、态势与威胁估计与数据库支持等功能子系统组成,模拟了数据融合的整个信息处理流程,包括:主动探测雷达、雷达侦察设备、通信侦察设备和敌我识别器获取敌我目标观测信息、利用多传感器跟踪数据对目标进行融合跟踪、提取辐射源电磁信息特征对敌方目标识别,进而形成态势与威胁估计。最终在Visual C#开发平台上利用MapX和ORACLE开发了战场数据融合仿真系统,并成功应用于实际系统中,取得了较好的效果。     

"学者型"人才担任师团领导发展态势研究

高学历且高素质的指挥管理人才,即学者型领导,是未来我军领导干部队伍的核心组成部分.这些人才能否做到会治军、懂指挥、善管理,是我军可否率先跨越式发展、实现军队的现代化和完成我军神圣使命的关键所在.了解他们的特点,重视发挥其优长,使他们尽快成为部队建设的中坚力量,将具有重要的战略意义.     

多机空战目标威胁评估算法

首先介绍了几种现有的多机空战目标威胁评估方法 ,并对它们的应用进行了分析 ;在此基础上 ,提出了一种综合目标空战能力和空战态势的威胁评估算法 :威胁指数法 ;最后给出了具体算例 ,计算结果表明 ,威胁指数法可以全面、有效地完成多机空战中威胁评估和威胁排序的计算。     

战场电磁环境可视化问题初探

目前国内外现有的一些电子战系统中虽然部分地实现了电磁环境显示功能,但多是针对电子战专业操作平台的。战场电磁环境相关研究也大多是从仿真模型的角度来进行。本文从电子对抗指挥需要出发,阐述了在争夺制电磁权的作战行动中对战场电磁环境及战场电磁态势的军事需求,并提出了初步的设想和建议。     

C3I系统中的态势关联技术

态势关联是在态势估计前必须解决的一个问题,即要将不同时刻的态势数据进行关联,得到各个时刻态势数据中描述的目标间的关系。对时间间隔比较长的态势数据的关联,研究了一种基于模糊推理的态势关联方法,综合考虑了目标属性信息和状态信息、战场环境信息、指挥人员的态势预估计知识,通过推理得到关联的结果。