基于广义非线性变换的特征谱线增强方法

为提高强背景噪声下频谱分析的特征提取能力,突出所关心的特征谱线,在非线性变换方法的基础上,提出了广义非线性变换方法。对比分析结果表明:广义非线性变换方法将固定的放大阈值改为可变值,提高了该方法实际应用的灵活性和适用性,易于获得最佳的特征谱线增强效果。     

基于复杂网络的机降作战目标选择方法

运用复杂网络理论,构建蓝军抗登陆部署网络模型,将机降作战目标选择问题转化为节点价值评估问题。将节点价值分为战术价值和网络价值两个维度,利用模糊偏序关系建立节点战术价值评估模型,定义节点连通度和节点关键度,确定节点网络价值评估算法,评估蓝军抗登陆部署网络中各节点的价值,进而确定机降作战目标。实例分析结果表明了该目标选择方法的有效性。     

兵役制度的选择：理论与启示

征兵制和募兵制是政府获得兵员的两种基本方式,募兵制的本质是按市场价格对军事人力资产定价,而征兵制在本质上属价格管制。征兵制对军事人力的价格管制会导致租值消散和额外的交易费用,也会衍生出逃避兵役的行为。军事人力需求、社会收入水平和兵员征集成本与监督成本等变量对兵役制度的变迁起着关键作用。随着经济的不断发展,我国必将从义务兵役制与志愿兵役制相结合的兵役制度转向完全的志愿兵役制。     

美国海军高超声速潜射导弹采用滑翔体设计方案

正据《简氏导弹与火箭》杂志2014年3月11日的报道,美国海军计划在2014年9月投入资金开展1项或2项耗资500万美元为期13个月(也可能延长12个月)的常规陕速打击技术研究和实例研究,确定常规快速打击的技术选择,包括与中程常规快速打击武器相关的发射装置、导弹和滑翔体、结构体系以及相关成本。其中的中程常规快速打击武器是1款攻击型核潜艇发射的高超声速导弹武器。美国海军已经在2014年1月31日向工业部门发出了进行常规快速打击研究的需求建议书,并且自此开始与工业部门一起进行确定工作需求。     

基于云理论的装备技术状态预测

通过分析装备技术状态变化的模糊性和不确定性等特性,提出了基于云理论的装备技术状态预测模型.根据装备技术状态劣化趋势,给出了基于云模型的时间序列状态预测方法,有效地运用了装备状态评估中的主观预测知识.将历史趋势与当前趋势相结合,实现了基于时间序列的状态预测.最后以某装备的发动机为研究对象,对发动机状态的动态评估值进行了预测,验证了该状态预测方法的有效性.     

特色创建:学校文化建构的主动选择——以三师一中“全面发展,军事见长”的学校特色创建实践为例

学校改革的核心动力来自于学校文化的变革。学校文化的建构为学校特色创建提供了生存的土壤和发展的动力,学校特色建设的理性诉求又是学校文化建构的主动选择。本文从学校文化思考出发,梳理学校特色创建的文化定位、背景考量、原则与策略,并以三师一中特色创建的实践尝试为例,论述特色创建是文化建构的主动选择和学校变革发展的突破口。     

基于多尺度残差网络的自适应边缘检测

为了实现无人机避障过程中的障碍物检测,针对传统边缘检测算法检测速度慢、抗噪性能差、边缘信息易缺失等问题,提出了一种基于多尺度残差网络的自适应边缘检测算法。基于深度可分离卷积,替换ResNet18残差网络中的传统卷积结构有效减少了网络参数量,提高特征提取效率。在综合考虑固定阈值和局部边缘点均值的基础上,引入自适应阈值改进八向差分算子,以提高算法抑制噪声干扰的能力。基于多尺度特征融合结构,在包含更强语义信息的高层特征图上融合低层细节信息,细化小尺度目标边缘特征。与改进前相比,准确率提升了4.23%,参数量降低了5.01×10⁶,处理速度提高了4 fps。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。     

基于改进蜂群算法的非均匀阵列综合

针对蜂群算法易陷入局部极值的缺陷,提出一种改进蜂群算法实现非均匀阵列综合。首先,通过引入概率选择机制,以概率因子控制蜂群算法对精英蜂的选择,从而改善蜂群算法的全局优化性能;然后,采用改进蜂群算法优化阵元间距降低最大峰值旁瓣电平并抑制干扰;最后,仿真实验表明该改进算法在非均匀阵列综合中的有效性和稳健性。研究成果可为非均匀阵列综合提供一种新的途径。     

基于最大信噪比的盲源分离雷达抗主瓣干扰方法

针对现有压制干扰从主瓣进入雷达天线,传统副瓣抗干扰方法失效的问题。提出一种应用最大信噪比准则的盲源分离抗主瓣干扰方法。首先提出了盲源分离应用于雷达抗主瓣干扰的模型,估计信号源个数后构建基于信噪比的目标函数,而后选择求解得到的广义特征向量构造分离矩阵。与传统算法相比,该方法不需要进行迭代运算,有效降低了计算复杂度。经过仿真分析,验证该方法能够有效分离混合信号,具有较高的分离效率。