网格技术在战术防空系统网络化作战中的应用

“网络中心战”是适应信息化战争发展的军队建设和联合作战的指导思想,网格技术是实现“网络中心战”的基础,利用网格技术在战术防空系统中实现“网络中心战”是信息时代防空作战的必然要求。     

从网络到网格的转变看美军未来作战

美军参联会在2000年发表的《2020联合构想》中,将“谋求信息优势”的目标改为“谋求决策优势”,相应的手段从“四个任何”改为“五个恰当”,即:在任何时刻、任何地点、将任何信息送到任何人手中,改为在恰当的时间、恰当的地点、将恰当的信息、以恰当的形式交给恰当的接收者,同时要压制敌方谋求同样能力的企图。引起这一转变的根本就在于从网络到网格的转变。网络是人们再熟悉不过的了,就其军事作用来讲,它基本上实现了不同信息系统的互连、互能,能够确保信息的获取、处理、传输、存储和使用的时效性,使指挥员在任何时间、任何地点都能准确掌…     

地面防空火力单元抗饱和攻击能力分析与应用

在分析影响防空火力单元抗饱和攻击能力的基础上,建立了基于排队论求解防空作战能力的数学模型,对防空火力单元的抗饱和攻击能力进行了仿真计算。通过对火力单元对目标射击的毁歼概率和服务时间相对于抗击率的相互关系的分析,研究了集火射击对于防空兵群抗饱和攻击能力的影响,并在兵力资源需求分析和防空火力配系优化等方面进行了运用。     

南京机电与霍尼韦尔合资公司在美召开董事会

<正>近日,南京机电主任(总经理)焦裕松带领合资公司(凯信)中方董事与霍尼韦尔合资公司(凯信)美方董事在洛杉矶霍尼韦尔托兰斯工厂召开董事会。董事会上,南京机电主任(总经理)焦裕松表示,将全力支持合资公司的发展,利用南京机电在中航工业的影响,协助合资公司开拓相关航空业务,并就有关细节问题进行了讨论。凯信公司总经理汇报了合资公司在2014年运营情     

基于网格的聚类挖掘算法

为了提高海量数据挖掘效率,研究了一种基于网格环境下的分布式聚类（Prejudge-Based Distributed Clus-tering,PBDC）算法,并引入距离、模和内积的概念,在聚类之前进行预判断,减少了不必要的计算开销。在此基础上提出了一种分布式并行化聚类（Distributed Parallel Clustering,DPC）算法,将其嵌入到Weka4ws中,以开源数据挖掘类库Weka为底层支持环境,构建网格环境下的分布式数据挖掘体系,同时进行仿真实验。实验结果表明：该算法对于网格环境下海量数据的分布式聚类具有良好的效果。     

基于多目标约束的基本保障单元人力资源优化研究

针对装备维修工作中基本保障单元的人员优化问题,在维修过程中为保证以最少的人员在最短的时间内完成预定的维修任务,分析了修理工期与人员数量的关系,应用多目标约束理论建立了工期人员优化的多目标数学模型,通过预处理将模型转化为路径组合优化问题,并用改进的蚁群算法对模型的求解进行了研究,最后通过实例验证了优化模型及求解方法的有效性和实用性。     

外国军队如何管理使用手机

<正>作战人员可利用智能手机对重点目标及周围环境进行拍照、摄像,并自动搭配GPS信息上传给作战单元或指挥部,后者可据此迅速进行巡航导弹目标区匹配制导,进一步缩短从发现目标到打击目标的时间,提高作战效能。当然,智能手机大规模装备部队也面临诸多问题:战场适应性不够强,尚不能完全适应高温、严寒、潮湿、沙尘等恶劣战场环境;保密性不够高,容易受到黑客入侵,造成情报失泄密;稳定性不够好,抗干扰能力有待提高。     

小波域非加性失真函数设计

在最小化嵌入失真隐写算法框架的基础上,提出了一种基于小波域的非加性失真函数图像隐写算法。首先在离散小波域设计了加性失真函数,主要考虑了亮度、频率和纹理掩蔽因子对载体失真的影响;然后结合模型矫正的方法对设计的加性失真函数进行了非加性矫正;最后结合网格码设计了隐写算法,将嵌入信息对载体的修改最小化,并且集中在人眼不敏感区域。实验结果显示,方案具有良好的视觉不可见性,且能抵抗空域SPAM特征隐写分析的攻击。     

联合作战中作战单元决策演化博弈研究

利用演化博弈理论,探讨了联合作战中担负相同作战任务的作战单元间其策略选择根据利益变化的演化过程,建立了复制动态方程并求得平衡点解,通过复制动态的相位图直观反映了博弈的演化稳定策略,并通过Malab软件对作战单元策略选择与收益关系进行了仿真,其行为选择的演化结果与相位图展示具有一致性。研究结论表明,收益大小及变化是作战单元策略改变的重要依据,最后针对提高作战单元间的策略稳定性提出对策建议.     

基于GPU的二维离散小波变换快速计算

通过分析小波变换的多相表示和GPU通用计算模型,结合现代GPU的多纹理和多渲染目标特性,提出了一种基于GPU与多相表示的二维离散小波变换计算方法,该方法使小波变换的计算形式完全适合GPU的SIMD结构,同时大幅减少了纹理访问次数,充分利用了GPU的矢量运算和二维寻址能力,实验表明该方法在处理速度上有大幅的提高。