声明

《武警学院学报》从未委托任何中介机构代为组稿,不通过互联网邮箱收稿,不收取版面费,请作者直接向编辑部投稿,谨防受骗。本刊稿酬以编辑部与作者约定的方式支付。本刊已授权有关电子杂志社以数字化方式传播本刊全文,支付作者稿酬中已包含此项著作权使用费用。如作者不同意以约定方式支付稿酬、以数字化方式传播作品,请在来稿中声明,否则本刊视为同意。     

双旋翼直升机旋翼的微多普勒特性分析

目前,国内外对双旋翼直升机的微多普勒特性研究相对还很少。建立了直升机旋翼回波的微多普勒模型,并基于该模型,分别计算了共轴式、横列式、纵列式以及交叉式双旋翼直升机的微多普勒。研究结果表明,不同种类的双旋翼直升机旋翼的微多普勒特性不同,通过对双旋翼直升机旋翼的微多普勒进行分析,可以对双旋翼直升机进行初步分类,为下一步双旋翼直升机的微多普勒识别提供了参考和借鉴。     

内初班少数民族学生觉察压力与应对方式的关系研究

[目的]探究内初班学生觉察压力与应对方式的现状及其二者之间的关系,为内初班学生的心理健康教育提供理论和实践指导.[方法]采用觉察压力量表和中学生应对方式量表对石河子市400名内初班少数民族学生进行整群抽样调查.[结果]1.不同性别、不同年级的内初班少数民族学生的觉察压力均存在差异,女生的觉察压力水平明显高于男生,高年级的学生的觉察压力水平高于低年级.2.内初班少数民族学生在面对问题时更多地采用问题指向性的应对方式,不同年级之间在应对方式上也存在着差异.3.控制感和超载感对问题指向性的应对方式为负向预测,预测感对问题指向性的应对方式为正向预测;控制感对情绪指向性的应对方式有正向预测作用,超载感对情绪指向性的应对方式有负向预测作用.     

基于ARCS学习动机模式对“民考汉”学生经济法教学改革的探讨

经济法课程的理论性和实践性很强,而法律条文比较抽象,特别是对于新疆地区“民考汉”学生来说,时常存在理解和应用上的困难.为了使学生对经济法感兴趣,增强学生对法律的理解、应用能力,教师应结合ARCS学习动机模式,通过积极开展案例讨论教学,适当增加情境模拟教学、创造条件强化实践教学、改革考试评价方式等进行经济法教学改革,使学生参与多样化的教学活动来完成理论学习、实践训练,从而提升学生的综合能力.     

2014年美国导弹防御系统发展回顾

2014年,美国继续引领全球反导技术的发展,启动了多项反导技术新项目,重在提高杀伤和目标识别能力。本文结合2014年美国预算申请、研制计划和飞行试验,梳理了美国全球一体化反导系统的改进和部署情况,阐述了助推段探测、被动反导和反高超声速等技术发展动态,综合分析了美国反导系统的发展重点。     

基于频响函数的悬臂结构损伤识别

根据频响函数的Neumann级数展开式,提出了悬臂结构的损伤识别方法。首先根据频响函数的Neumann级数展开式,推导了损伤参数与频响函数的关系式,以此为基础建立损伤识别方程组;其次,考虑到噪声影响,求解时采用了多频率点的最小二乘法,以减小由噪声引起的误差;最后用一个悬臂结构模型对所提方法进行了验证。     

潜射鱼雷的自导方式及机动对抗条件下的运用

针对依据复杂对抗的作战条件和日益增长的鱼雷航程对潜艇鱼雷攻击带来的新问题,在综合分析潜射鱼雷各种自导方式的特点,以及针对这些特点的攻防行动策略的基础上,提出通过战术使用方法和鱼雷技术两方面保证自导鱼雷攻击的有效性。指出自适应变换自导方式搜索是提高鱼雷战斗能力的重要技术措施,而确定鱼雷自导方式转换时机和转换方案是实现鱼雷智能搜索需要解决的关键问题,最后给出了相应的技术方法。     

观点

领导干部要把对法治的尊崇、对法律的敬畏转化成思维方式和行为方式。党纪国法不能成为"橡皮泥"、"稻草人",违纪违法都要受到追究。——中共中央总书记、国家主席、中央军委主席习近平把执法权力关进"数据铁笼",让失信市场行为无处遁形,权力运行处处留痕,为政府决策提供第一手科学依据,实现"人在干、云在算"。——中共中央政治局常委、国务院总理李克强学而信,就要坚定理想信念,筑牢精神支柱;学而用,就要坚持问题导向,用讲话     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。