攻击机突防链型国土防空系统效能分析

封锁式防空和阻击式防空一般采用火力区相互接壤而形成链式防空,链式防空用于疆土防御.根据防空系统的任务和规模(国土防空、部队战场防空、海上舰队防空)以及入侵方式、武器性能特点的不同.基于随机理论建立了敌方采用同类武器组成链式防空体系,攻击机采用火力对抗条件下的国土突防模型.对基于随机理论的攻击机突防链型国土防空系统效能进行了一些假设和简化,建立了初步的效能模型,提供了一个分析的思路和方法.     

C3I系统中基于Petri网的可靠性仿真建模

C3I系统是一个复杂的可修系统,采用通常的解析法和马尔科夫过程法难以求出C3I所需的可靠性参数.故障树能够很好的对复杂系统的故障发生进行定性的分析,而随机Petri网(SPN)能够描述复杂系统状态变化的动态过程,并且能够按照概率进行定量的计算.因此提出将故障树转换为随机Petri网,建立C3I系统的可靠性仿真模型,就可以对C3I系统的可靠性进行定量与定性相结合的仿真.最后建立了一个简单的防空C3I系统可靠性的随机Petri网模型,用Monte-Carlo法仿真验证了该方法的正确性.     

基于双层随机森林的空袭目标识别

空袭目标识别是防空作战指挥决策的关键环节,针对空袭目标特征繁杂容易造成模型拟合和识别精度不高这一问题,为提高空袭目标的识别能力,提出了一种基于双层随机森林的空袭目标识别算法。该算法在第一层随机森林通过计算基尼指数变化量对特征进行重要性评估和优选,然后在第二层随机森林进行数据降维和目标识别,相较传统随机森林能够提高目标识别的准确率和稳定性。将该算法与传统随机森林、支持向量机和PNN神经网络进行对比分析,仿真结果表明该算法能够在保证识别准确率的基础上同时具有较高的识别速度和识别稳定性。     

GPS多天线多径抑制技术

针对小范围多天线系统中多径对各相关通道之间信噪比测量值影响的相关性,采用基于“当前统计”模型的扩展卡尔曼滤波技术得到多径信号各参数,从而消去多径信号影响。分析了多径对信噪比的影响,建立了扩展卡尔曼滤波的状态方程和观测方程。仿真表明,该方法能够有效地降低由多径引起的伪距测量误差和相位测量误差。     

频谱重叠DS／SFH混合扩展频谱系统

在频谱分析的基础上提出对直接序列扩展频谱信号的窄带接收的概念及其实现的问题。进而导出频谱重叠DS／FH－SS系统的带宽,给出DS／SFH混合扩展频谱信号接收机的模型,并讨论了混合扩展频谱系统的同步问题。     

一种面向无人侦察机的通信受限干扰源跟踪方法

复杂战场环境中无人侦察机对干扰源的跟踪面临着信号干扰能量强、干扰源数量多、信道容量受限制、通信信道被攻击等难点。为提升无人侦察机对干扰源的跟踪能力,提出了一种从测向直接到跟踪的两段式干扰源跟踪方法。首先,对干扰源的动态、无人侦察机集群的观测模型和信道模型进行建模;其次,阐述了基于集贝叶斯滤波器的从测向直接到跟踪的两段式干扰源跟踪方法,通过规避定位过程,减少跟踪误差;再次,对通信受限信道模型进行了建模,并将其引入到所提出的方法中,实现了对通信受限时干扰源跟踪的一体化表征及求解;最后,采用仿真实验验证了所提方法的可行性与优越性。研究可为无人侦察机对干扰源的跟踪提供新思路。     

无人机避障航路规划方法研究综述

随着无人机作业空域从中高空不断向低空甚至超低空拓展,复杂的低空障碍环境对无人机造成了严重的威胁。研究无人机避障航路规划理论与方法,对于保障无人机的飞行安全和提升其任务效率具有重要作用。对无人机避障航路规划方法的研究现状进行了梳理,首先,根据航路规划问题所建立的优化模型,将规划方法划分为基于数学规划的方法、基于路标图的方法、基于空间分解的方法、基于势场的方法、基于随机规划的方法和基于机器学习的方法六个大类。然后,分别介绍了各类型方法的基本原理、代表性研究以及优缺点。最后,对避障航路规划方法未来可能的研究方向进行了展望。综述表明,复杂环境下无人机三维航路规划方法的研究仍有提升空间;未来应考虑将传统规划方法与新一代人工智能技术相结合;航路规划方法研究应充分考虑机载传感器的实际性能和工作特性;规划航路的可跟踪性问题也亟待解决。     

对装备可计量性的思考

本文在提出可计量性的定义与对可计量性理解的基础上,梳理了可计量性与装备"五性"的关系,分析了可计量性研究对计量保障的作用,以及可计量性在武器装备全系统全寿命周期中的作用,并对如何开展在研和现役武器装备的可计量性研究提供了思路。     

基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。