一种改进的双轴旋转惯导系统误差调制方案

旋转惯性导航系统通过让惯性测量单元（inertial measurement unit,IMU）周期性地绕一个或多个轴旋转来调制系统误差。合理的旋转方案应尽可能消除惯性器件引起的系统误差,同时在IMU时不应引入新的误差。提出了一种改进的双轴旋转惯性导航系统的综合误差调制方案,方案不仅可以调制惯性器件的常值误差,而且可以抑制由刻度系数误差、安装误差与IMU旋转运动耦合而引起的额外误差。与常见的16位置旋转方案相比,耦合误差被调制为零均值周期形式,且误差幅度减小一半,从而减小了系统的速度误差和位置误差。数学分析和仿真试验表明,在相同综合误差条件下,旋转方案将纬度误差由常见16位置旋转方案的0.383 1 n mile/72 h降低到0.191 0 n mile/72 h,经度误差从1.107 1 n mile/72 h降低到0.462 7 n mile/72 h。     

工作专班贵以“专”

为有效推动急难险重任务破题攻坚,遴选骨干力量成立工作专班,建立周期会商、信息传递、资源归集、责任分解等制度,集中优势兵力打主动战、歼灭战,是当下各级较为常用的一种工作方法。但也应该看到,实际工作中,各单位不同程度存在专班众多但运行不畅、人才济济但缺乏合力、“开张”许久但成果寥寥等问题。细究原因,就在于“专”的品质没有凸显、“班”的定位出了偏差。     

确定性理论在雷达型号识别中的应用

雷达型号识别是雷达对抗情报侦察的首要工作,是近一步分析雷达用途及相关武器系统的基础,也是高层次上的态势评估和威胁估计的主要依据.针对现代战争中电磁信号环境的复杂性,利用单一传感器很难对雷达型号进行准确识别,而基于确定性理论的不确定推理技术能将多个传感器在多个周期的侦察信息进行融合,所以采用确定性理论的数据融合技术,基于确定性理论的组合规则,采用分层式融合算法对雷达型号进行识别.仿真结果表明,该方法的识别结果令人满意,使采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善.     

创新网络媒体挑战下的典型宣传活动

网络媒体的出现,改变了人们获取信息的渠道和方式,给典型宣传的形式和内容提供了更广阔的空间,也提出了新的更高的要求。认真研究新媒体时代的典型宣传,对于形成一种典型与受众良性互动的局面、扩大典型宣传的深远影响、获得预期的社会效益,具有积极的意义。     

舆论战的心理学解读

通过舆论传播平台传递信息,用以作用于受众的思想或心理,从而达到征服人心的目的,是舆论战的本质特征。利用宣传心理学的原理综合研究信息源、信息的性质和受众的特点这三个要素,是提升舆论战效能的必由之路。     

基于DBN的天基信息支援装备体系作战效能评估方法

为解决天基信息支援装备体系的作战效能动态评估问题,提出一种基于动态贝叶斯网络的天基信息支援装备体系作战效能评估方法。首先以系统动力学模型获取数据样本,然后以静态贝叶斯网络作战效能评估模型为基础建立动态网络,以EM参数学习算法构建动态贝叶斯网络作战效能评估模型,最后对天基信息支援装备体系进行作战效能分析。在作战效能评估模型的基础上,以海上方向打击移动舰船目标的作战场景为例,分析了天基信息支援装备体系中诸多影响因素之间的相互关系与影响程度。同时,仿真实验验证了该方法应用在天基信息支援装备体系作战效能评估中的有效性和可行性,能够为天基信息支援装备体系作战效能评估提供坚实的技术支撑。     

简论作战指挥信息优势的基本标准

谋求指挥信息优势,应当确立指挥信息的运作流程快于对方、指挥信息的“质”与“量”优于对方、利用效果好于对方、对抗能力强于对方四个方面为其基本标准。     

面向人机协作的网络信息体系架构建模方法

越来越多的智能系统融入未来战场,如何将人的认知能力与机器的快速计算、精准打击等能力有效结合,优化分配人机权限,提升网络信息体系的作战效能成为亟待解决的问题。探讨基于网络中心OODA模型的人机协作机理,创新地提出体系结构人机视角,详细描述了人机视角模型的建模方法,阐述了人机视角的设计过程。以应用示例验证了人机视角在智能化作战下的网络信息体系人机融合顶层设计中的重要指导作用。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。