通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。     

一类具脉冲和垂直传染的传染病模型的一致持续生存

本文建立了一类具脉冲和垂直传染的传染病模型,应用脉冲微分议程周期解的全局稳定性、比较原理和分析方法,得到了该模型一致持续生存的充分条件,通过结果可以帮助我们了解,注射疫苗的周期T和注射比例P与疾病控制的联系。     

并行时域自适应算法在电大目标瞬态散射中的应用

基于电磁场时域积分方程(TDIE)数值技术计算复杂目标的瞬态散射特性,其计算量和内存需求大,采用时域自适应算法(TDAIM)降低了TDIE的计算规模。在研究TDAIM并行算法的基础上,开发了基于.NET Remoting的电磁场分布式数值计算方案。数值结果表明,该方案显著提高了TDAIM的计算效率,为解决电大目标瞬态电磁散射问题提供了一条有效途径。     

领导干部要善“变”

《易经》有云：“穷则变,变则通,通则久。”不变不通,不通不变,领导干部只有做到顺时、顺势、顺事而变,道理情理相适,上下左右兼通,才能实现良好的领导效能。     

基于博弈论的C~4ISR系统监视与侦察功能模型

监视与侦察已成为现代C4ISR系统的重要组成部分,传统的监视与侦察系统效能分析方法存在模型难以建立、结果不准确等问题,很难量化其与作战效果之间的影响。在对基于Lanchester方程的C4ISR系统建模方法进行研究的基础上,提出了反映监视与侦察功能的Lanchester方程模型,并引入博弈论分析了战场上信息的不对称对交战结果的影响,克服了描述C4ISR系统的Lanchester方程没有考虑作战单元、对手和环境间的动态交互以及数学结构简单的缺点。仿真结果验证了模型的有效性。     

全局收敛策略静止目标纯距离测量下的参数估计方法

将全局收敛策略与高斯-牛顿法相结合,得到了解决非线性最小二乘问题的改进高斯-牛顿法;并将该方法应用于静止目标纯距离测量下的参数估计问题;仿真试验表明,改进后的高斯-牛顿方法对测量误差不敏感,具有更快的收敛速度和更高的精度。     

基于指数法的巡航导弹作战效能评估模型

巡航导弹的作战效能是反映其作战性能的最重要的综合性指标。依据巡航导弹的战术技术性能指标,在确定导弹武器作战效能评估指标体系的基础上,运用AHP法分配各指标的权重,建立巡航导弹作战效能的指数法评估模型,最后进行仿真评估。仿真结果表明,相比理想点评估法,指数法模型建模量更小,评估效率更高。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

基于DEA/AHP的炮兵群通信组织方案评价

炮兵群通信组织方案的优劣直接关系到能否对部队实施有效的指挥控制,因此如何客观地评价并依据评价结果进行优选就显得尤为重要。基于炮兵通信的基本要求和现有装备情况,构建了炮兵群通信组织方案评价的指标体系,在对利用DEA/AHP模型评价该问题合理性分析的基础上,给出了简要的评价步骤,并结合炮兵群岛上进攻战斗通信组织方案进行了评价与选优,从一个侧面验证了该评价方法的可行性和可信性。     

基于EMA算法的变结构交互多模型算法

标准交互多模型(IMM)算法使用固定数目和时不变的模型集,往往不能兼顾算法的实时性与跟踪精度。基于增加期望模型(EMA)算法的思想,提出综合利用前一时刻的模型匹配概率与当前时刻的混合概率作为加权系数调整系统噪声模型集,调整后的模型集被认为非常接近系统实际噪声模型。将该模型集自适应技术与IMM算法结合得到一种变结构交互多模型(EMA-VIMM)算法。使用机动目标跟踪仿真实例,与标准IMM算法进行了仿真对比,分析了跟踪性能与RMSE误差。仿真结果表明,EMA-VIMM算法不仅极大地提高了跟踪精度,而且与标准IMM算法相比,具有稳定的跟踪性能和较低的计算量。