基于神经网络的雷达抗干扰效果评估

分析了常用的雷达抗干扰效果评估方法的特点,建立了雷达抗干扰效果评价指标集,对指标数据的采集和处理方法进行了分析,提出了一种基于神经网络的雷达抗干扰效果评估模型,论述了网络结构和样本获取方法,最后通过算例验证了模型的正确性和实用性.     

C2组织结构设计:平台-任务关系设计

以联合作战战役为例建立作战平台和任务模型,对C2(Command and Control)组织结构设计中平台-任务关系设计问题分析了传统多维动态列表规划算法(Multidimensional Dynamic List Scheduling,MDLS)在解决作战平台资源调度(平台-任务分配)问题的不足,提出了在平台-任务分配过程中采用任务选择平台组、平台选择任务以及两者选择冲突消除改进的MDLS算法,以解决MDLS算法的不足,并对不同方法的结果进行了比较.     

密码算法及其在军事通信中的应用

军事通信的安全保密是国防建设中的重要问题,如何确保重要信息的安全也就成为各方关注的一个重点,采用密码技术对信息加密是最常用、最有效的安全保护手段.在介绍密码学基本概念以及Shannon 保密通信模型的基础上,分析了对称密码算法和公钥密码算法的优点及其在应用中注意的问题,最后对密码算法的发展及其应用的未来做出展望.     

基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.     

超启发式传感器选择算法

在传感器管理中,传感器的选择算法计算是目前需求量最大的问题,采用超启发式算法降低传感器选择算法的复杂度计算.依据协方差控制提出的传感器选择目标,从启发式的贪婪算法入手,研究贪婪/均匀和贪婪/次序两种超启发式算法在传感器选择算法中的应用,以提高传感器管理的运算效率,降低其计算复杂度.最后对这两种方法进行了仿真比较.     

基于假设检验的编队组织决策设计

从集中式和分散式组织结构分析出发,采用假设检验的方法,探讨了分布式结构假设检验在海军舰艇编队环境评估中的组织决策设计,并从决策设计和算法上对其进行了复杂性分析.研究结果表明,基于假设检验的组织决策是一个NP问题,就存在的问题提出算法和组织设计研究的思路.     

在学习贯彻党章中不断提高"四个本领"

为了使各级党组织和广大党员在履行新世纪新阶段我军历史使命中,更好地发挥核心领导作用和先锋模范作用,当前学习贯彻党章,应与加强党组织能力建设结合起来,着力提高军队党组织加强部队思想政治建设的本领、提高抓军事斗争准备的本领、提高推进中国特色军事变革的本领和加强部队正规化建设的本领。     

基于自抗扰控制的高超声速飞行器再入制导律

鲁棒制导律设计是增强高超声速飞行器再入突防能力、提升飞行安全性的重要保障.针对多约束条件及多种气动参数摄动影响的高超声速飞行器再入轨迹抗干扰跟踪问题,首先,在标准轨迹制导的框架下,结合模型辅助线性自抗扰控制和基于航向角误差走廊的几何制导逻辑,提出了一种可满足纵向和横侧向平面制导任务需求的自抗扰再入制导律;其次,采用反馈...     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。