被动声传感器网络模拟器的设计与实现

现代雷达防空体系对低空/超低空飞行目标的探测仍然是其弱点之一.被动声传感器网络数据融合理论和技术的快速发展,给这类目标的探测、识别和定位跟踪提供了新的方法.在对被动声传感器工作原理、目标运动模型和方位角检测模型分析的基础上,给出了一种被动声传感器网络模拟器的设计思路,同时给出了其软件平台的实现方法.模拟器考虑了大气环境因素的影响和传感器对目标探测的实时处理能力的要求,产生的仿真数据能够较好地逼近真实数据,为被动声传感器数据融合算法的研究提供了强有力的数据支持.     

用户前台、合作多赢的创新发展之路——“引进、消化、吸收、创新”发展模式

北京北斗星通导航技术股份有限公司2000年伴随着中国北斗导航定位系统卫星的成功发射成立,致力于向用户提供满意的卫星导航定位解决方案.     

直击“海玛斯”

美国陆军目前装备有三种型号的227毫米多管火箭炮系统（MLRS）．它们是履带式M270．M270A1和轮式M142“海玛斯”（HIMARS）高机动性火箭炮系统。M270A1是原型M270的数字化改进型．“海玛斯”是M270的发射装置“减半”后安装在轻型轮式卡车底盘上而成。M270和M270A1主要用于装备重型师,“海玛斯”则主要用于装备应急部队和轻型师。原型M270只能发射普通火箭弹和陆军战术导弹．     

多轮次打击情况下的跑道失效率计算

对机场跑道进行多轮次打击时,每轮打击之后对跑道失效率的计算可掌握是否达到预期打击目的,为下一轮打击提供决策依据.以马尔科夫链为理论依据对多轮次打击情况下的跑道失效率进行计算,只需计算出跑道失效率的一步转移概率矩阵,即可求出任意多次打击后跑道的失效率,避免了采用常规方法时的多层迭代计算,降低了多次打击计算的难度.实例证明,该方法具有运算速度快、精度高的特点,可用于多轮次打击情况下的跑道失效率计算问题.     

一种面向Agent的概念化建模方法*

面向Agent的建模方法为基于Agent系统的概念化描述提供了一种新的技术.针对多Agent系统分析与建模问题,扩展并规范了面向Agent概念化建模过程,定义了Agent模型及其扩展模型,并给出了形式化描述.同时,给出面向Agent的分析和设计过程,为其具体建模提供了一种高层指导.最后,与其它现有面向Agent的方法在应用方面进行了类比分析,为该方法的广泛和深入地应用研究打下基础.     

基于多Agent的网络防御建模与仿真

为了提高网络防御建模的有效性,本文提出了应用多Agent对网络防御进行建模的方法。并且分析了多Agent的建模仿真流程,通过多Agent建模仿真方法,建立了分布式拒绝服务攻击的防御模型。最后,用Netlogo软件进行了仿真实验,通过仿真结果验证了防御模型的有效性。     

基于MA的自适应多载波并行组合扩频通信技术

为了提升多载波并行组合扩频的通信性能,将自适应技术应用于多载波并行组合扩频通信系统中,并基于边缘自适应准则（MA）,针对多载波并行组合扩频（PCSS-OFDM）通信系统和多载波差分多相并行组合扩频（DMP-PCSS-OFDM）通信系统,分别提出两种自适应通信方式。在多种多径信道环境中的仿真结果显示：在多径信道中,自适应PCSS-OFDM系统的误码率相比PCSS-OFDM系统有显著降低;自适应DMP-PCSS-OFDM系统则更适用于相干带宽较窄且衰落较深的信道中。     

太阳能动力船舶发展综述

对近年来国内外太阳能动力船舶发展现状和趋势进行了综述,介绍了多艘太阳能动力船研制成功的实例,并对太阳能动力船舶的若干关键技术及其可能的解决方案进行了阐述,重点说明了太阳能动力船舶与多体船型的联系,并对国内发展太阳能动力船进行了初步构想.     

隐身伪装技术新发展

隐身技术,是指通过减少目标雷达、红外线、光电、声响等暴露征候,使目标在战场不被探测的一种伪装技术。隐身技术的出现为目标的隐真伪装提供了新的实现途径。与示假伪装相比,隐身技术能最大限度地保证目标的生存,因为示假虽然能提高战场目标的生存能力,但不能保证真目标不连同假目标一起被摧毁。而对于关键目标(武器装备、工事等),敌不惜武力进行摧毁下,这时,隐身伪装就显得十分必要。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。