使用小波分层连通树结构的压缩信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时,则存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显的改善。     

一体化作战指挥信息体系模型设计

针对一体化作战指挥条件下军事信息系统向大规模集成化、网络化"巨系统"方向发展的问题,提出了一体化作战指挥信息体系的信息认知链参考模型和多组件立体式框架模型。引入体系理论,定义了一体化作战指挥信息体系的概念。在定义了信息生命周期的基础上,构建了一种信息认知链模型,提出了一个一体化作战指挥信息体系信息认知链参考模型。结合体系层级结构,提出了一个多组件立体式一体化作战指挥信息体系框架模型。模型的设计为一体化作战指挥信息体系的构建和评价工程研究提供了基础模型。     

可组构的作战行动模型研究与实现

作战行动模型一直是训练模拟领域研究的重要内容,更是作战模型系统的核心和基础。针对当前作战行动模型建设中存在的一些突出问题,以及根据灵活动态地构建作战行动模型的仿真需求,将可组构性仿真思想引入到作战行动建模中。首先分析了作战行动可组构性建模的可行性,然后探讨了基于可重用元行动模型的作战行动模型组构方式,最后给出了可组构的作战行动模型具体实现方法及其应用实例。     

基于HDSmP转换的态势估计方法

战场态势分析是指挥决策的基础,D-S证据理论广泛应用于不确定性下的近似推理,尤其在战场的态势估计中起到了重要作用。为了降低命题中含复合焦元时的不确定度,需要运用概率转换方法如Pignistic方法等对这些焦元进行概率转换。当存在命题的基本信度赋值函数(BBA)bba(全称)为零的情况时,一些常规的概率转换方法不能处理,即使能处理这种情况的概率转换方法在降低不确定度方面也没有达到理想效果。提出利用HDSmP方法将信度函数近似转换成概率函数,不仅可解决辨识框架中存在信度为零的命题时的情况,而且可以降低不确定性。此外,对HDSmP方法中比率再分配因子的取值进行了分析,通过实例验证了该方法在战场态势估计中的可行性和实用性。     

抢救抢修方案复杂性测度的图熵模型

分析了以往抢修方案评估的不足,提出了战场抢救抢修方案复杂性概念。并分析了用复杂性抢救抢修方案的可行性。引入软件工程领域的图熵模型,从微观方面研究战场抢救抢修方案实施过程中的复杂性问题,从信息量、逻辑、结构、系统知识层次及决策分析5个方面进行量化,明确了信息控制图、动作控制图、知识层次图及决策分析图的构建方法,较好地解决了战场抢救抢修方案实施复杂性的测度问题,实例验证该方法在一定程度上可以反映应急抢修方案的复杂程度,能为抢救抢修方案的评估优化,以及评估训练等方面提供一定的帮助。     

军队被装物流优化略论

被装物流是现代军事物流的一个重要组成部分。目前,我军被装物流体系建设还处于初级阶段,不能满足信息化战争的要求。应从组织结构优化、保障流程优化、信息系统优化三个方面对被装物流进行优化,推进被装物流的改革进程,实现由统分结合型向一体化被装物流的转化。     

国防科技工业促进高技术产业发展的机理与模型

国防科技工业促进高技术产业发展主要是凭借其科研、技术和人才优势,有效地整合科技资源,推动军队和地方科技资源双向优化配置,通过形成结合军地双方研发机构的新型科研平台,实现优势互补、资源共享、交流互动、联合攻关,发挥技术带头和科技平台载体作用,促进科技成果转化和互通共享。     

深度不确定的战场环境下鲁棒战术决策方法

针对日益复杂的战场环境研究了深度不确定战场环境下的战术决策问题。结合鲁棒决策的特征,提出一套将情景规划与定量方法融合于鲁棒决策分析方法中的决策流程;并结合战争复杂性、不确定性的特性,将深度不确定环境下的鲁棒决策方法应用于战术决策的制定当中,从战场情景规划到基于综合集成方法的鲁棒战术决策模型,给出了具体的生成过程。     

基于HMM的传感器位置优化模型

首先介绍了隐马尔可夫模型(HMM)理论,并对HMM健康状态评估的基本程序和方法进行了研究。HMM对系统健康状态评估具有所需样本少、识别精度高及分类明显等优点,利用隐马尔可夫模型对传感器的不同位置进行评估,从定量的角度对传感器位置的优劣进行评价,提出了利用隐马尔可夫模型对传感器在不同位置上的效果进行评价的方法。最后,利用齿轮箱实验数据,分析验证了方法的实施流程和有效性。     

坦克三角战斗队形战术运用模型

根据坦克的编组运用原则和战场威胁,讨论了几种典型战场威胁和作战运用对坦克三角战斗队形的影响机理,建立了相应的战术运用数学模型,探索性地给出了坦克三角战斗队形参数的确定依据和方法。