“算法战争”的概念、特点与影响

分析了"算法战争"的概念,考察了美军围绕筹划"算法战争"所展开的相关举措,讨论了"算法战争"的潜在影响,并指出了其局限性所在。建议跟踪研判"算法战争"的未来演变趋势,依托军民融合加强算法储备,重视反制措施的研究和伦理探讨。     

改进型卡尔曼算法解算小型弹箭姿态角研究

弹箭飞行姿态参数的准确获取是实现精确高效打击敌方的重要前提。其中最重要的关键环节是姿态角的算法解算,决定着最后的精确导航。卡尔曼滤波算法是组合导航中最常用的解算算法,然而仍不能满足精度要求。为了进一步提高解算精度,提出通过BP神经网络对误差建模,进而修正卡尔曼滤波增益矩阵系数的改进算法。实验证明,应用于高速旋转弹姿态角测试,改进后的卡尔曼算法较传统卡尔曼算法精度提高了3°左右。     

基于渐消因子的双机协同机动目标定位

传统的双机协同组网目标定位模型中,滤波方法大多为交互式多模型算法。交互式多模型算法的缺陷为需要目标机动先验模型,且模型个数的选择难以同时满足工程上关于跟踪精度和算法复杂性的要求。通过引入渐消因子,实时自适应校正机动目标的状态估计偏差,有效降低了目标运动先验模型对滤波的影响,提高了系统的机动处理能力和模型的工程实用性。     

双层随机机会约束规划的通信干扰任务分配优化仿真

研究不确定条件下的通信干扰任务分配优化问题具有重要的军事意义。基于干扰效益因子的概念,剖析了影响通信干扰任务分配的不确定性因素,建立了基于双层随机机会约束规划的通信干扰任务分配优化模型,设计了遗传蚁群智能算法,实例计算得到了通信干扰任务分配的最佳策略。     

时间约束下的某型火箭炮毁伤概率模型及仿真

针对目前计算火箭炮毁伤概率只考虑射击精度和目标特性及弹药量等因素,而不考虑目标机动和对抗因素、生存能力的不足,基于射击理论和火力对抗理论,建立了考虑时间约束的火箭炮营毁伤概率模型,对想定中考虑目标机动及生存因素等时间约束的毁伤概率进行了仿真计算,仿真结果表明了模型的有效性以及目标机动火力对抗决定的生存需求使火箭炮毁伤概率具有时间敏感性。     

纵容日本：美国将自食恶果

近年来,日本右倾化加速发展,特别是安倍再任以来,在“修正”历史认识、摆脱战后体制约束、强化军力等诉求方面谋求更大突破。美国为维护其亚太战略利益、遏制中国崛起,利用日本、纵容日本,致使今天的日本右翼势力迅速膨胀,不断在历史和领土问题上挑起事端,     

机载合作辐射源空间定位误差分析及对策

在一些空地结合的双基地雷达系统中,机载辐射源的空间定位误差对目标定位有着重要影响.针对机载辐射源定位误差的重要来源GPS定位误差和空中气流扰动,研究了一种数据处理方案,通过建立GPS定位误差模型,并结合不同载体运动模型,对误差进行卡尔曼滤波处理.该方案有效减小了机载辐射源的定位误差,对双基地雷达研究具有重要意义.     

基于单应轨迹的视频实时稳像算法

针对视频稳像中实时任务的需求特点,提出一种基于单应轨迹的视频稳像算法。估计序列图像帧间的单应变换,并将该变换作用于图像窗口的4个角点,从而对每帧图像产生4个短的单应轨迹以代表视频短时间内的运动。利用关联卡尔曼滤波器以一种连续方式对不同帧的单应轨迹进行平滑。对图像合成采用包括性和相似约束以提高结果视频的可观性质量。该算法以在线方式工作,消除了缓存输入图像帧导致的延迟,具备不依赖于复杂的3D重建和长距离特征跟踪的优点,并有效避免了单应模型表达视频运动模型的误差积累问题。实验表明该算法能够有效对包含2D和较复杂3D场景的视频进行稳像,并且能够达到实时处理速度。     

基于改进IMM-UKF的弹道导弹再入段跟踪数据滤波

针对弹道系数未知的弹道导弹再入段跟踪雷达测量数据滤波这类非线性强的滤波问题,提出可变多模型无迹卡尔曼滤波算法。利用无迹卡尔曼滤波逼近精度高,计算量小,适应于任意非线性模型的特点,将其作为多模型的基本滤波器;滤波算法根据各模型正确描述目标状态的概率,动态地改变多模型数量和模型参数。上述方法的综合运用,提高对目标状态估计精度,降低了计算的复杂度,仿真实验验证了方法的有效性。     

资源约束条件下的空中兵力编组＊

通过对空中兵力的合理编组,实现作战资源的优化配置是提升兵力作战效能的有效途径。针对现代空战编队对抗过程的特点,从战术企图和信息优势角度提出了编队目标威胁评估方法。以编队目标为研究对象从宏观上调配己方作战资源,提出了作战资源成本和兵力调度成本2种兵力编组成本,在此基础上建立了资源约束条件下的兵力编组优化模型,并采用改进PSO算法对模型进行求解。作战想定仿真结果表明兵力编组模型能够有效解决空战兵力分配问题。