基于小世界网络模型的“梅特卡夫定律”反思

为了真正认清“网络中心战”的理论价值,对按照作为其理论支撑的“梅特卡夫定律”所规定的网络连接方式进行反思,定性分析了其带来的复杂性,并且应用小世界模型（WS）建立了复杂网络价值增益模型并进行了综合分析,发现实际网络不能够按照“梅特卡夫定律”的要求组网,指出“网络中心战”的理论缺陷,对我军信息化建设有一定的启示。     

神经网络在联合火力打击目标价值分析中的应用

针对联合火力打击中目标价值的特点,运用BP神经网络理论对目标价值进行分析,并建立了联合火力打击目标价值分析指标体系,设计了BP神经网络模型;通过定义学习代价函数、确定函数输出信号、修正函数信号、网络初始化等改进BP算法对目标价值进行了分析,得到了目标打击序列分类.算例验证了该算法的合理、高效、稳定,在联合火力打击中目标优选分类方面具有广泛的实用意义.     

网络中心战中的战场感知能力量化模型研究*

为了定量评价和探索提高网络中心战中的战场感知能力的途径,针对网络中心战的特点,运用集合论、信息论、图论等理论研究了战场感知能力的量化问题.首先分析了影响战场感知能力的主要因素及其作用,然后对主要因素进行了量化建模,提出了传感器对指控节点的信息量贡献模型以及指控节点之间的信息量贡献模型,建立了指控网战场感知能力量化计算模型,最后通过仿真,验证了模型的有效性,说明了提高指控网战场感知能力的有效途径.     

基于神经网络信息融合技术的卫星定姿算法

姿态确定系统是卫星姿态控制系统中的重要组成部分,卫星姿态确定的精度直接影响卫星控制精度.为得到高姿态精度,针对由惯性测量单元(Inertial Measurement Unit),红外地平仪和太阳敏感器组成的卫星姿态确定系统,分别采用BP网络算法和径向基(RBF)网络算法对不同的姿态敏感器的输出数据进行融合,并用STK(Satellite Tool Kit)数据进行了仿真.仿真分析结果表明这两种学习算法均可以提高卫星定姿精度,相对而言,RBF网络无论是精度上还是收敛速度上均优于BP网络.     

定位导航系统对通信能力的需求分析

分析了定位导航信息的几种分发模式,以旅级规模的战术互联网为背景,研究了定位导航信息分发模型,对几种分发模式下不同类型节点的信息流量进行了定量的分析,最后给出了几点结论和需要进一步研究的问题.     

机载C~3I系统试飞数据质量评估方法

针对机载C3I系统的试飞中数据质量评估指标多、数据量大等问题,建立了数据质量评估模型.并阐述了该模型的构造方法,将数据中复杂的指标体系进行了量化处理,将粗糙集和神经网络相结合,提出了一种试飞数据综合质量的计算方法.实现了对数据的实时监控.该模型简捷、准确、工程应用效果好.     

基于模糊神经网络的反鱼雷深弹作战决策

反鱼雷深弹武器是水面舰艇对抗鱼雷的一种新的反鱼雷武器,由它组成的鱼雷防御系统可以拦截潜艇发射的声自导鱼雷、线导鱼雷及尾流自导鱼雷.根据其作战使用特点,建立基于模糊神经网络的智能辅助决策系统,分析了其基本思想,具体实现过程,并应用实例加以验证.计算结果表明:该模糊神经网络模型具有一定的合理性和实用性.     

基于反射内存网的多飞行模拟器时间同步

飞行模拟器是一个复杂的分布式实时仿真系统,而多个飞行模拟器的联网则要求高精度的同步、更高的实时性.首先对单台飞行模拟器的网络结构、同步机制进行了描述,然后介绍了反射内存网的工作原理,并利用反射内存网作为同步信号的传输链路,对多飞行模拟器组网的同步进行了研究,同时对反射内存网和以太网结构并存的特点进行了分析.     

An infrared target intrusion detection method based on feature fusion and enhancement

Infrared target intrusion detection has significant applications in the fields of military defence and intelligent warning. In view of the characteristics of intrusion targets as well as inspection difficulties, an infrared target intrusion detection algorithm based on feature fusion and enhancement was proposed. This algorithm combines static target mode analysis and dynamic multi-frame correlation detection to extract infrared target features at different levels. Among them, LBP texture analysis can be used to effectively identify the posterior feature patterns which have been contained in the target library, while motion frame difference method can detect the moving regions of the image, improve the integrity of target regions such as camouflage, sheltering and deformation. In order to integrate the advantages of the two methods, the enhanced convolutional neural network was designed and the feature images obtained by the two methods were fused and enhanced. The enhancement module of the network strengthened and screened the targets, and realized the background suppression of infrared images. Based on the experiments, the effect of the proposed method and the comparison method on the background suppression and detection performance was evaluated, and the results showed that the SCRG and BSF values of the method in this paper had a better performance in multiple data sets, and it’s detection performance was far better than the comparison algorithm. The experiment results indicated that, compared with traditional infrared target detection methods, the proposed method could detect the infrared invasion target more accurately, and suppress the background noise more effectively.     

基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。