新体制导航信号下I/Q幅相不一致对接收机测距零值的影响分析

随着现代化导航信号带宽的增大,由于可以大幅降低采样率,复信号采样的优势日趋明显。由于存在I/Q幅相误差,复信号采样对导航接收机伪距测量造成了一定影响。改进了信道非理想与I/Q幅相误差共同影响BPSK/QPSK信号零值测量的分析模型;在该模型基础上,推导得到了任意I/Q误差和信道非理想特性影响BOC信号伪距零值的模型;探讨了二者在频域抗干扰应用场景下引起的零值变化;理论分析与软件接收机仿真结果高度吻合,误差在1.5×10^-4码片内,证明了分析模型的精确性。该分析方法可用于对高性能导航接收机信道特性进行事先约束及筛选,以确保干扰场景下的零值变化满足要求。     

非致命防暴动能弹作战效能评估

提出了非致命防暴动能弹作战效能的评估法,分析了非致命防暴动能弹的技术性能,建立了以非致命性为核心指标的防暴动能弹效能指标体系。采用定性分析与定量分析相结合,将集对分析法应用到了非致命防暴动能弹的效能评估中,对3种防暴动能弹进行了效能评估。为非致命防暴动能弹的研发生产提供了重要的理论支撑。     

混合MIMO相控阵雷达反向非均匀重叠子阵分割方法

针对混合MIMO相控阵雷达子阵分割中发射相干处理增益和波形分集增益不能兼顾的问题,提出了一种反向非均匀重叠子阵分割方法,该结构在非均匀重叠子阵分割的基础上,对其结构进行了反转.通过推导证明了反向非均匀重叠子阵分割方法在两种增益上的优越性.相较于传统的子阵分割方式,该方法既增强了发射相干处理增益,又保留了波形分集增益.仿...     

美国陆军的九大非战争行动

对美军来说,无论战时或平时,陆军都被看作是一支起着决定性作用的军事力量。美军认为,陆军的第一重点是作战,但陆军也在非战争行动中发挥至关重要的作用。陆军作为一支战略部队经常奉命以各种非战争方式在国内外维护和推进美国的利益。     

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。     

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。