基于运动参量的战斗实体模糊聚类方法

战场范围扩大、战斗实体位置疏散使得按照位置进行聚类的方法可信性降低。担负同一作战任务的若干战斗实体往往因保持队形的需要而具有相似的运动规律,因此,使用实体位置、速度、加速度等运动参量进行模糊聚类能够克服位置疏散带来的聚类困难。对实体的运动参量进行归一化,建立模糊等价关系矩阵,根据需要选择适当的截集水平进行聚类,得到不同级别建制的聚类结果。经实验数据检验,该方法能够取得满意的聚类效果,辅助各级指挥员对战场态势进行分析和评估。     

采编茶座

贵刊《第一期》特别关注对“女兵征集”这样的敏感问题进行深度报道和解析,吸引了我和身边同事众多“眼球”。以前,我们都认为女兵的征集跟老百姓关系不大,都是“暗箱操作”的。看了报道,我们才认识到这次征兵与以往的不同,是真正面向社会,力争公平、公正、公开的阳光征集。感谢编辑部的精心策划,让我们更详尽地了解了征兵政策和程序。     

图像恢复中的稳健交替方向乘子法

交替方向乘子法在解决线性逆问题(包括图像恢复)中取得了良好的效果,但是其效果对惩罚参数的选择非常敏感,不利于具体的应用。提出基于惩罚参数自适应选择原理的稳健交替方向乘子法,对其优化条件和收敛性进行了详细分析。实验表明,在基于Parseval紧框架的图像恢复应用中,该算法不但对惩罚参数的选择表现出良好的稳健性,而且效果优于交替方向乘子法,并优于其他目前热门的算法。     

基于深度学习的网络安全预见路径研究

当前,我国正处在由网络大国向网络强国转变的关键时期,网络安全威胁不容小觑。以深度学习为代表的人工智能技术在网络安全领域的应用价值日益凸显,着眼基于深度学习的网络安全预见路径和价值趋向研究,能够从方法论层面有效提高抵御网络安全威胁的主动性和针对性,实现由"被动防御"向"主动预见"的网络安全战略升级转型。文章探讨相关概念内涵,提出"数据预判—技术预测—战略预见"的网络安全预见逻辑路径,并对深度学习技术在网络安全预见领域的应用前景进行探讨,从技术的融合渗透、开源共享、要素协同治理等方面阐释了网络安全预见的价值趋向,通过理论分析论证深度学习技术对提升网络安全预见力的重要作用。     

美国"海洋物联网"项目发展现状与关键技术分析

针对目前缺乏广阔海域的实时监测手段,美国国防预先研究计划局(DARPA)为提升海上分布式态势感知能力,发展了"海洋物联网"(OoT)项目.通过对相关资料的搜集、整理和分析,首先给出项目目标、原理、计划等项目概况信息,然后重点介绍了该项目的两项关键技术——浮标设计/开发和数据分析技术,接着介绍项目合同授予、实验部署等进展...     

面向射频指纹识别的高效IQ卷积网络结构

现有应用于射频指纹识别的卷积网络对时序同相正交(in-phase and quadrature-phase, IQ)信号的处理都是将其简单视为图像进行的,存在识别准确率低和计算量大的问题。针对以上问题,提出了一种基于IQ相关特征的卷积神经网络结构。该网络分步提取了IQ相关特征及时域特征,通过自适应平均池化获得了各通道特征均值,并用单个全连接层进行分类。实验结果表明,较传统卷积网络结构,所提网络在多种场景下的识别准确率更高,并且计算量更小。     

基于对抗分析的战略博弈推演方法

大国博弈日趋激烈,战略博弈推演逐渐成为各国面对战略博弈问题进行评估决策的重要方法。立足战略博弈特征,提出基于对抗分析的战略博弈推演方法,从战略博弈中各推演方针对策略选项的立场、意图和质疑等认知信息描述推演场景,识别当前场景各推演方存在的冲突矛盾点,评估战略态势,并构建多阶段战略博弈推演模型。通过示例表明该方法分析战略博弈问题的可行性与适用性,可为指挥决策提供支撑。     

基于HRRP的雷达目标识别研究综述

雷达目标识别(RTR)技术在国土防空和战略预警领域具有重要意义,目前相关研究大多基于高分辨距离像(HRRP)展开。梳理了当前研究主要聚焦于样本完备和小样本情况下目标识别的问题,研究方法主要聚焦于基于特征提取的识别方法、基于统计建模的识别方法以及基于深度学习的识别方法等3个方面。聚焦2大问题,从3个方面开展综述,进行归纳总结;指出在当前研究领域存在的5个亟待解决的问题,分析了下一步研究可以考虑的方向。     

基于压缩感知的曲线SAR孔径优化和目标三维特征提取

基于压缩感知理论研究了曲线合成孔径雷达的曲线孔径优化和目标三维特征提取。在建立曲线合成孔径雷达回波信号稀疏表示模型的基础上,基于压缩感知采样矩阵设计的不相关原则,给出了曲线孔径优化设计的评价准则,并利用基于全局优化的基追踪方法实现了目标三维特征提取。仿真结果验证了孔径优化评价准则的正确性和基追踪方法在目标特征提取处理中的有效性。     

RGB-D传感器的标定实验分析

分析了RGB-D传感器的标定模型及标定方法,利用标定棋盘和Matlab工具箱对RGB-D传感器进行了标定。采用摄像机标定方法计算了彩色摄像机和深度摄像机的初始化参数,根据标定棋盘和标定板的共面关系计算了相对位姿的初始估计值,并采用非线性最小化方法对标定参数进行了优化。实验结果表明:标定后的彩色图像和深度图像的重投影误差较小,深度测量不确定性标准差比标定前约减小了1/2,有效地提高了RGB-D传感器的测量精度。