基于深度学习的战场态势评估综述与研究展望

适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型.     

基于辩证语义的分布式协同态势分析方法

分布式协同态势分析在联合作战战役筹划中起着十分重要的作用。当前的战场环境呈现动态不确定性,传统的态势分析方法在处理不确定、不一致及不完全信息等实际应用中存在较大的局限性。本文基于辩论理论的辩证语义,提出了一种新的分布式协同态势分析方法。该方法通过多方对话博弈展现不同参与者的主张和论据之间的攻击关系及矛盾焦点,进而构建相应的辩证分析树网格以辅助决策者协同解决态势分析中的信息不一致和观点冲突问题。该方法的研究将为联合作战的态势分析提供新的方法论。     

一种改进的海战场机动目标功能合群算法

海战场条件下及时准确地对敌方目标的进攻意图进行判断,从而对当前海域内的目标进行动态合群是海战场情报处理的一个重要研究方向,提出一种改进的海战场机动目标功能合群算法,该算法通过对当前时刻与之前多个探测周期内目标运动属性的对比,判断敌方的进攻趋势进而实现目标的合群.最后用一个剧本集对该算法进行了仿真研究,结果表明,本算法能够较以往的算法更早、更准确地发现敌方意图.     

基于压缩感知的多频率信号融合

传统多频带雷达信号融合是利用多个连续采样的子带信号来重构全频带信号,从而提高距离向分辨力,改善一维距离像质量。但是由压缩感知原理可知,采样矩阵与测量矩阵不相关性越大,全频带信号就能重构得越好,因此理论上基于随机采样的信号融合的性能要优于基于多个连续采样的信号融合。基于压缩感知原理将传统的多频带融合问题推广为任意随机采样的信号重构问题,利用基追踪方法来重构全频率信号,并给出了能够高概率成功重构的充分条件。通过实验也证明了这种随机采样融合的优越性。     

稳态条件高斯推理在电磁态势估计中的应用

根据电磁态势估计原理,建立含连续结点和离散结点的混合贝叶斯网络模型,对一级融合的输出数据进行二级处理,估计干扰前后单架飞机对单个保护目标的威胁的变化情况。针对传统的连接树推理算法的不足,提出稳态条件高斯推理算法。新算法不仅能实现数值稳定性,还能根据高斯混合模型精确计算查询结点的边缘概率密度。仿真实验表明,稳态条件高斯推理是解决电磁态势估计问题的一种有效方法,且威胁估计的精度高。     

浅祈美国《2010年陆军态势报告》

美国《陆军2010年态势报告》阐述了美国陆军所处的战略环境、地面部队的角色以及陆军面临的挑战等问题。在2010年版《四年防务评估报告》的指导下,该报告首次明确了应对未来威胁所需的能力,并提出将转变传统的运作方式,以使工作更加高效。     

真假变幻无踪影——目击浙江省台州市椒江区海上民兵伪装分队演练

近日,浙东某海域,晴空万里。碧波荡漾的海面上,浙江省台州市椒江区海上民兵伪装分队演练已悄然拉开战幕。     

军闻述评

<正>着眼未来战场——某登陆舰大队积极海上训练2009年10月12-16日,东海舰队某登陆舰大队组织舰艇编队开赴某海域。新大纲实施颁发后,该大队针对未来战争全方位、立体化特点,树立前沿意识,全面锤炼官兵军事技能。为制定出编队接收登陆兵、航渡及突击上陆时抗敌袭击、复杂电子条件     

海上军事合作需要构建海上合作机制

2009年10月19日,一艘中国籍货轮“德新海”号被索马里海盗在印度洋劫持,凸显出海盗活动海域的扩展和疯狂。同时,与外国海军合作、联合护航和提高护航效率等问题再次成为人们近期议论的话题。     

奥巴马时代的美国海上新行动

2009年,美国海军是在紧张繁忙中渡过。除了大量研发武器装备外,还在全球海域举行联合军事演习,继续加强全球海上部署。此外,美国海军正筹划北冰洋舰队。