基于信息-决策影响因素的兰彻斯特作战模型?

为有效评估信息因素和决策因素对现代作战进程的影响,改进了传统的兰彻斯特方程作战模型,通过引入信息获取能力指数和筹划决策能力指数,建立了基于信息-决策影响因素的兰彻斯特作战模型,并分3种假设情况进行了仿真。仿真结果表明,该作战模型一定程度上反映了信息因素和决策因素对作战的影响,体现了现代作战的基本致胜机理。     

结合词语规则和 SVM 模型的军事命名实体关系抽取方法?

抽取作战文书中的军事命名实体关系,是实现作战文书语义理解的一种有效方法。在分析作战文书中军事命名实体词语规则的基础上,提出了一种结合词语规则和 SVM 模型的军事命名实体关系抽取方法。首先,使用词语规则整合作战文书中连续出现的军事命名实体并抽取其关系,使其更加适合 SVM 模型。然后,使用 SVM 模型对传统规则模板难以使用的词窗、词性和距离等特征进行建模,抽取军事命名实体关系。实验结果表明,优先利用词语规则能充分提高 SVM 模型抽取军事命名实体关系的效果,与单纯使用 SVM 模型相比,准确率和召回率分别提高了8．73％和41．71％。     

基于模糊聚类的舰载机超视距空战火力分配模型

针对舰载机超视距协同交战中对多个敌机目标火力分配优化问题,在建立舰载机超视距协同优势空战态势的基础上,提出了一种协同交战火力分配模型及算法.该模型基于舰载机超视距攻击作战规则,通过模糊综合评判专家系统,分析、计算目标威胁度量和效能度量,将打击目标的随机性和不确定性与聚类算法的反馈相结合,实现快速有效的搜索和寻优求解.仿...     

复杂海战场环境下AUV全局路径规划方法

针对无人自主水下航行器(Autonomous Underwater Vehicle,AUV)在复杂海战场环境中路径规划时环境模型复杂、约束条件多的情况,建立了包括战场地形、敌方威胁、障碍物和海流场等在内的比较完善的海战场环境模型.以AUV航行时间、威胁时间最短为优化目标,给出了一种基于振荡型入侵野草优化(Invasiv...     

基于SDE模型的雷达组目标角度跟踪方法

针对低信噪比下的组目标实时跟踪精度低的问题,提出一种基于随机微分方程(stochastic differential equation,SDE)模型的多输入多输出雷达目标角度跟踪方法.应用随机微分方程进行建模描述,利用马尔可夫链蒙特卡罗粒子滤波算法来进行连续推理.仿真结果验证了该方法的有效性,并显示低信噪比情况下的组目...     

开放式自动测试系统软件设计

实现测试程序的可移植性、改善测试系统仪器互换性和提高ATS新技术注入能力是通用ATS研制的热点问题,遵循标准和实现开放式系统是解决问题的途径,软件系统是当前通用ATS实现开放性的制约因素.根据领域需求软件采用层体系结构模式,合理划分各层功能,在高层提供面向信号的编程接口,资源控制层提供了面向功能的接口,资源管理实现了系统对资源控制层构件开放的动态集成方式,实现了开放式的系统软件构架.     

多机空战系统的歼击机建模技术

分析了多机空战系统的顶层模型结构,给出了机载雷达、武器控制和导弹等三个主要部件的模型,可以将其应用于多机空战仿真系统的数学建模和软件设计中.     

基于虚拟水势场的路径规划局部极小问题研究

针对路径规划广泛使用的传统势场法存在的局部极小问题,提出了一种基于虚拟水势场的解决方法.该方法源于自然界中的水流特性,在局部极小区域通过水域扩张和水域涨水逐步扩大和抬高水域的范围和高度,直到找到水域的溢出点;根据起始点和水域的相对位置关系,设计了沿水岸线走的逃出路径,并利用Bezier曲线对路径进行平滑.算法仿真表明:...     

2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。     

基于红外传感器的多无人机对高速飞行器协同定位跟踪方法综述

为了实现高精度远距离稳定定位与跟踪,多无人机搭载红外传感器对高速飞行器的定位跟踪方法成为研究热点。就此背景进行了综合评述,以相关技术难点及关键技术为切入点,分析了瞬时定位和动态跟踪问题的研究现状和发展方向。在瞬时协同定位方面,首先对目标瞬时定位的算法进行了分析对比,然后对造成定位误差的影响因素进行分析并探讨了误差补偿方法,最后针对传感器资源优化,讨论了能够使计算结果最优的传感器分布阵型。在动态跟踪方面,首先探讨了时间不同步问题对目标跟踪的影响及补偿方法,然后对目标运动学建模的问题进行了分析,最后对最优估计问题中各种滤波算法的应用进行对比。综述表明,无人机搭载红外传感器对高速飞行器进行定位和跟踪,存在误差来源多、相对运动速度快的技术难点,需要特别关注定位算法、误差来源及最优估计算法的影响,以尽可能实现稳定跟踪。