近程防空武器网络化跟踪系统

研究多探测器航迹滤波与互联新技术与新方法,把数据融合的基本理论和计算机网络技术应用于近程防空武器的跟踪系统中,得到了近程防空武器网络化跟踪系统的框架.应用数据融合和计算机网络技术可以提高近程防空武器的使用效率.     

C3I系统评价可信性分析方法

C3I系统评价结果的可信性分析是C3I系统理论研究中的一个重要问题.首先论述了C3I系统评价结果可信性分析的主要内容,然后提出了一种定性分析的主观确认法和定量分析的统计检验法相结合的可信性分析方法,并给出了系统评价结果的可信度的计算方法.     

一体化射频通信体系对抗的仿真系统设计

简要介绍了射频通信体系对抗仿真中的模型,一体化建模方法.以红方对蓝方通信进行干扰为例分析了通信体系对抗仿真的功能模块,提出了对抗框架.介绍了几种常用的干扰方法,提出对抗的方法和策略,并通过实例说明通信体系对抗的方法和策略.     

生成对抗网络及其在无人系统中的应用

生成对抗网络（GAN）在无人系统多个层次上的应用提高了其智能化、自主化水平,具有巨大的应用价值和发展潜力。对GAN在无人系统技术中的应用进行了综合评述并且进行了展望。首先介绍了GAN的基本概念、训练方式和传统GAN的模型结构,并且从模型结构的变动、目标损失的变化以及适用的领域等方面详细介绍了深度卷积生成对抗网络（DCGAN）、循环生成对抗网络（CylcleGAN）、生成对抗模仿学习（GAIL）、序列生成对抗网络（SeqGAN）等GAN的8种衍生模型。接着概述了与无人系统OODA回路相关的智能感知、智能判断、智能决策、人机交互等方向上GAN方法的实际应用。最后基于无人系统共性技术的发展趋势,对GAN在无人系统的单体智能、多体或群体智能以及人机混合智能等方向上的应用进行了展望。     

人武系统提高谋打赢能力的几点思考

提高谋打赢能力是人武系统建设新型军事机关、加强民兵预备役建设的中心工作。当前,由于在人武系统的一部分人中存在着“到了武装部、别想再进步”的认识和“熬年头、混日子”的思想,所以造成了谋打赢能力不够强、行动不够自觉的问题。为有效克服上述问题,切实提高人武系统的谋打赢能力,应努力把握好以下三个方面:一是用党的创新理论成果武装头脑,切实增强提高谋打赢能力的紧迫感和自觉性。面对新的形势和任务,人武系统的党委机关和领导干部应牢记职责、不辱使命,以军委胡主席的重要论述为指导,自觉地把思想和行动统一到谋打赢上。二是不断…     

略论军需装备综合集成建设

军需装备作为作战后勤系统的一个子系统,必将要逐步实现装备的三军一体化、单件装备的技术集成、人装集成、各个子系统的集成、装备保障与技术保障的集成、与其他后勤装备、作战装备、指挥网络的集成,从而最终实现综合集成,成为作战系统中一个融合、高效、低耗的子系统,实现保障有力。     

基于“墨子”的空中拦截任务程序二次开发与仿真

现有墨子联合作战推演系统中的空中拦截任务规划程序不具备针对性拦截功能,无法满足实际需求,而手动指控较为繁琐,降低了仿真的可重复性。使用LUA脚本和事件机制,二次开发了一种空中拦截任务规划程序,细化并增强了指控功能,通过阶段性控制事件的关联,解决了探测信息的同步和实时分析。经仿真验证：该程序能够有针对性地、精准、自动地组织多个基地中的多种战斗机执行空中拦截任务,且能够在战斗机从接到任务到升空阶段调整作战任务。有效地减少了人为误差对仿真结果的影响,提高了仿真的可重复性和可信度,且对解决同类调派管理问题和军事人工智能的开发具有指导意义。     

RLPG电液定量伺服加注系统设计与仿真研究

为了实现RLPG的液体发射药自动加注,设计了其电液定量伺服加注系统。通过控制阀控定量缸中活塞位移实时调整无杆腔中发射药量,实际应用过程中,定量过程与复位过程、火炮发射过程无冲,可并行工作。针对电液伺服系统模型不确定性、非线性的特点,建立了其状态空间模型。为了改善滑模变结构控制的抖振现象,设计了该系统的模糊滑模变结构控制器。搭建了AMESim/Simulink联合仿真平台,在不同装药量下对系统进行仿真分析,结果表明,定量过程所需时间比RLPG发射时间与变装药活塞复位时间之和小得多,加注0.628 3 L液体发射药共需0.95 s;随着装药量增加,系统定量精度有所下降,但均保持在99.85%以上。     

连射航炮随动系统稳定控制策略研究

为了提高武装直升机持续高精度稳定射击能力,分析了机载航炮随动系统连发射击时所受负载扰动,设计了一种改进型负载转矩观测器,对系统冲击载荷进行实时观测,同时引入观测值作为电流环的前馈补偿。并将非奇异快速终端滑模控制应用于转速环,保证了系统收敛时间有限性,抑制了系统抖振,提高了系统抗扰动能力。仿真结果表明,该仿真模型能模拟航炮随动系统连发射击状态,提出的控制策略不仅能提高系统稳态精度,而且能削弱冲击负载对航炮随动系统性能影响,增强了系统的稳定性。     

OFDM系统中深度神经网络指导的IQ不平衡补偿算法

正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)是现代移动通信中一项重要的物理层通信技术,并且OFDM系统要求子载波间严格正交。然而,在实际系统中,振荡器和滤波器等器件的非理想特性会导致同相正交(In-phase and Quadrature-phase,IQ)不平衡,从而破坏子载波的正交性,严重影响OFDM系统的性能。通过研究IQ不平衡对OFDM系统的影响,提出了一种并联深度神经网络架构下的IQ不平衡补偿算法。该算法利用了深度神经网络不依赖于模型的特点,直接从接收到的频域信号恢复原输入信号的二进制序列,并利用干扰信号来自镜像子载波的先验知识来初始化模型驱动的神经网络,加快其网络优化的收敛速度。仿真结果表明,该算法能有效地补偿IQ不平衡失真,并且在幅度和相位失真的补偿上,其性能都优于传统的基于导频的最小二乘补偿算法,证明了深度学习方法解决物理层问题的优越性。