基于WSID网络的装备管理系统设计与实现

针对野外驻训或战场上的装备管理不便问题,文中设计并实现了一种基于WSID(Wireless SensorIDentification)网络的装备管理系统,该系统利用融合了RFID技术的无线传感器网络,在任何时间任何地点快速部署多个传感器节点,迅速地建立起装备临时管理系统,灵活、便捷和有效。实验结果表明,该系统能够通过WSID网络对出入库配备ID标签的装备实行有效的管理。     

幅相调制信号的星座图恢复与调制方式识别

针对幅相调制信号的调制方式识别问题,提出一种基于星座图恢复的算法。该算法估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样;采用一种非数据辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响;利用平均似然比检测的方法,完成幅相调制信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有识别性能更优。     

关于数字化军检的思考

<正>本文探讨了数字化检验应用在装备质量监督中的优点、存在的问题,并从改进军代表办公环境、注重装备测试性研究、加强对数字化军检运用的探索等三个方面提出了展望。当前,社会正以空前快速的步伐迈向信息时代,信息时代最大的特征就是几乎所有的信息都可以被转化为可被计算机识别和处理的"1"和"0"代码进行管理。因此,信息时代又被称为数字化时代。作为武器装备质量监督和检验验收这个技     

基于星座图恢复的MQAM信号调制方式识别算法*

针对MQAM信号调制方式的识别问题,提出了一种基于星座图恢复的算法。该算法首先估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样。随后采用一种非判决辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响。最后利用平均似然比检测的方法,完成MQAM信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有更优的识别性能。     

基于人工智能的微反应识别与处理

随着时代发展,人工智能研究运用取得一定的成果,比如苹果公司的siri、Google的搜索引擎、卡内基·梅隆大学的Intra Face应用系统等,都为人工智能条件下的机器人更像真实人类率先布局。如何实现机器人更像真实人类的目标,尽快研究并解决人工智能的微反应识别和处理显得尤为紧迫和重要。本文将以面部微表情和映射心理状态肢体动作的微反应为主,重点介绍人工智能微反应的探测、识别及处理的方式,旨在不断提高机器识别、表达微反应的能力,推动人工智能从感知层面向认知层面演进,实现发展人工智能的终极目标。     

基于微多普勒特征的欺骗干扰识别

为了提高雷达的抗干扰能力,提出了一种基于微多普勒特征的欺骗干扰识别方法,为雷达选择抗干扰措施提供了先验知识。首先建立了目标回波和干扰信号的数学模型,分析了二者微多普勒频率的差异。其次利用Viterbi算法和FFT谱分析对信号的特征参数进行了提取。最后,定义了识别目标和干扰的特征因子,并根据特征因子设定阈值对目标回波和欺骗干扰进行识别。仿真结果验证了算法的正确性和稳定性,与理论分析一致,表明该方法能够在较低的信噪比环境下对欺骗干扰进行检测识别。     

基于混合模型的雷达信号脉内波形分类

为了在雷达接收机中实现对目标信号调制方式的快速判别,针对雷达信号脉内波形分类问题,提出了一种适用于多波形分类的模型.该模型根据信号的自相关性强弱确定应采用的信号预处理方式,进而通过预训练的分类器实现分类.该模型的关键点是根据信号自相关性的强弱分别采用自相关和短时自相关处理信号,并对结果进行时频分析以获得可以描述原始信号...     

军事人力资源再社会化配置解析

文章阐述了军事人力资源再社会化配置的内涵与特点,通过供求分析、行为分析,从经济学的角度解析了在这一过程中配置实现的机理,指出当前优化军事人力资源再社会化配置应以追求整体效益的提高、增量与存量的兼顾、现实与长远的统一为目标。     

谈空中战场的目标识别

伊拉克战争中,美英联军空中战场“自相残杀”的误击、误伤事件接连不断,其中影响比较大的包括:美军 F-16战斗机摧毁“爱国者”导弹系统的雷达、英军2架“海王”直升机空中相撞、美空军 F-15E 战斗机误炸己方炮兵阵地等。为什么这些高技术武器装备会犯如此低级的错误?除了人为操作失误外,大多数情况下是“目标识别”功能出了纰漏。在高技术战争条件下,空中战场作战的组织实施极为复杂,尤其是在联合作战环境中,若不能准确、及时地识别空中和地面目标,不仅可能贻误稍纵即逝的宝贵战机,而且极有可能造成严重的误击、误伤     

基于HHM的军事演习风险识别

军事演习风险对军事演习的安全顺利进行有很大的影响。有效控制演习风险,首先需要全面、系统地识别出军事演习中存在的风险因素。本文在给出军事演习风险定义的基础上,运用等级全息模型(hierarchical holographic modeling,HHM)~([1])的思想和方法建立HHM风险识别模型,对军事演习中存在的风险进行分析和识别,有助于提升军事演习风险识别的准确性和全面性,为军事演习风险的评估和控制打下坚实的基础,对军事演习的安全进行和军事训练水平的提升具有重要意义。