基于相控阵雷达自适应波束形成的抗干扰技术

基于相控阵雷达自适应多波束,研究了相控阵雷达抗干扰的新方法,该方法把自适应波束调零控制技术、副瓣对消技术和极化选择抗干扰技术综合应用于相控阵接收多波束形成中,使相控阵雷达具有良好的抗干扰性能。     

军事地图等高线的三维地形建模与实现

采用Delaunay三角网进行三维建模,用插值算法重建数字地面模型,用OpenGL进行三维显示来生成三维地形图。结合开发实例分析每一个步骤及相应算法,并给出所生成的三维地形图实例。     

基于差分GPS技术的舰载雷达动态标校

提出了一种基于差分GPS技术的舰载雷达动态标校方法,给出了根据大地坐标计算目标真值的算法;设计了一种舰载搜索雷达与跟踪雷达之间同步测量和适用于海上活动平台多传感器之间动态标校的数据处理方法。海上实践表明,这种方法具有精度高、实时性强的特点。     

兵团文化断想

兵团文化,她不同于地域文化。兵团,虽“生”在新疆,“长”在新疆,是新疆的重要组成部分,但又不仅仅属于新疆,因为她是共和国的兵团。兵团文化虽然融入了新疆地域文化的成分,但她的本质却非边疆文化,其内涵比边疆文化更丰富,其外延比边疆文化更广阔。     

矩阵外积法Kalman滤波器在动态GPS定位中的应用

由于计算机有效字长的限制,滤波算法在计算机上实施时易于产生误差积累,误差协方差失去正定性或对称性,从而出现数值计算中的不稳定现象.一般情况下,当状态变量维数超过10时,滤波过程中出现滤波结果不稳定现象概率增大.为了解决滤波器数值计算不稳定问题,实践中提出并应用了许多方法,如自适应滤波、固定增益滤波、平方根滤波等.这些算法的不足是计算繁琐,效率低下.提出一个基于矩阵外积法所设计的快速、稳定的滤波算法,该卡尔曼滤波算法速度快,效率高,数值稳定性好,运算量少,将其应用于动态GPS定位验证了其有效性.     

一种含工作流Web信息系统的访问控制模型设计实现

包含工作流的Web信息系统是目前较为流行的一种系统应用模式。针对现有TRBAC模型在此类系统应用中存在的控制数据冗余、效率低下等不足改进提出了一种新的访问控制模型,该模型将RBAC与TRBAC进行结合,并按操作级别对角色与权限进行划分,通过引入流程历史信息等约束条件实现动态授权中操作权限与执行上下文的紧密关联,较好地实现了动、静态授权的分离,在保证系统安全的同时降低了访问控制策略的复杂度,为此类系统访问控制策略的制定提供了一个基本的参考性框架。最后以基于Web的办公自动化系统为例描述了模型在应用中的实现方案。     

空袭目标威胁动态评估SPA法

针对防空作战中空袭目标威胁评估问题,提出了一种动态评估SPA(Set Pair Analysis)法.依据防空作战特点,构建了空袭目标威胁动态评估指标体系;在利用熵权理论确定评估指标主观权重以及AHP(Analytic Hierarchy Process)法确定客观权重的基础上,运用最小二乘优化模型确定评估指标的综合权重;并在评估指标更新时刻权重的基础上,利用集对分析理论对空袭目标威胁程度进行评判.实例表明,该方法能够有效解决空袭目标威胁评估问题,为指挥决策提供一定的依据.     

地面火炮新型弹药动态毁伤效能研究

针对地面火炮新型弹药毁伤效能分析难的问题,提出综合运用终点效应理论、可视化建模、动力学仿真、数据挖掘等分析新型弹药实战条件下对典型目标动态毁伤效能的思想;运用该思想计算某型预制破片弹对轻型装甲目标的动态毁伤效能,分析了毁伤效能随射向偏差角、落角、距离偏差量、炸高等实战因素的变化规律,给出该型预制破片弹作战使用的合理建议.     

基于改进NSGA-III算法的动态武器协同火力分配方法

针对防御场景下的动态武器协同火力分配问题,将其转化为多目标约束组合优化问题,在考虑资源约束、可行性约束的前提下,以我方损失最小、消耗资源最小为原则,对敌方目标造成最大的伤害.基于此,在NSGA-III算法的基础上提出基于A-NSGA-GKM算法的动态武器协同火力分配方法,通过遗传K均值聚类算法对初始参考点进行自动分组聚类,用聚类中心代替原参考点,引入基于惩罚的边界相交聚合函数代替原垂直距离,进一步提升原始算法的收敛性能,引入自适应机制保证优秀的解结构.最后,通过实验仿真表明所提优化算法具有较高的收敛性,该方法能够有效地解决动态武器协同火力分配优化问题.     

结合自适应时间权重的改进STRCF目标跟踪

针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法.利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性.在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新.实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6％和2.0％,且跟踪速度达到28.61帧/s,在CPU上可以达到实时.