俄提出建造火星空间站计划

据搜狐新闻2月2日报道就在布什新政府信誓旦旦要部署遭国际社会强烈反对的国家导弹防御系统,甚至重新出台变相的星球大战计划的时候,俄罗斯除了强烈的口头抗议外,也开始反击了,俄总统普京日前表示,俄罗斯将组建一支新的军种——俄罗斯航天部队来对抗美国咄咄逼人的军事态势。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

舰艇编队防空威胁扇面研究

基于敌反舰导弹的"P-R模糊性",讨论了敌我距离、敌航路选择椭圆对舰艇编队防空警戒扇面的影响,建立了编队防空警戒扇面模型,分析了敌导弹攻击扇面的约束条件,建立了敌导弹攻击扇面模型。基于上述两个模型的相关性,综合考虑敌方反舰导弹的攻击能力和我编队的防空能力对编队防空威胁扇面的影响,建立了"三类八种"编队防空威胁扇面的分析模型,并给出了结论。为编队防空能力建设和提升提供了理论依据。     

基于态势分布的多机编队协同目标分配

基于态势分布的多机编队协同目标分配,可以使编队长机在空战过程中的目标分配决策更加合理化。分析了敌机对我机的态势威胁影响因素,构建了敌我双方的对抗系数矩阵;依据编队内成员的占位关系和编队僚机火力情况,将我机僚机和敌机编队拆分成作战分队形式;基于整个态势分布,综合考虑编队攻击效率和航迹防撞规则,以作战分队形式进行目标分配。目标分配结果符合编队协同空战的一般规律,表明所提方法可以为编队协同作战提供目标分配支持。     

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。