一种基于CAE的HRRP去噪重构与识别方法

针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明：在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。     

基于交叉定位的声纳浮标阵被动检测预处理研究

交叉定位的精度直接决定着水下目标被动方法的检测性能,而目标数量的不确定性及其位置关系的复杂性将进一步影响交叉定位的精度。针对上述问题,提出了一种基于最小交叉定位方差的距离和方位数据互联算法。首先,分析了水下目标2种典型运动特点,分别构建了水下目标运动模型;其次,研究了声纳浮标阵型和交叉定位原理对定位精度的影响,构建了声纳浮标被动检测模型;最后,采用距离和方位数据关联方法,完成了水下目标被动检测前的预处理。仿真结果表明：在多目标航迹交叉、复杂噪声环境条件下,该算法整体性能优于典型的模糊聚类法和最近邻域法。     

智能化对军事体能训练的影响与对策分析

随着科学技术的快速发展,智能化已成为军队未来发展的基本趋势,军事体能是军队战斗力的基本要素,智能化对军事体能训练的影响也将愈加深刻。因此,在军事体能训练中引入智能化技术,分析智能化对未来作战与训练的影响,构建体质体能测评分系统、训练方案智能化建设分系统、体育知识分系统、体能增强与虚拟训练分系统、训练监控反馈分系统和大数据管理平台"六位一体"智能化体能训练系统,对全面提升军队体能训练质量、强化战斗力建设、提升部队信息化水平和提升国民健康水平具有重要意义和广阔应用前景。     

新型冠状病毒肺炎疫情全球爆发期间民众群体心理研究【专题】

本文从认知过程、情绪过程和意志过程这三种心理过程的角度对2020年初席卷全球的新冠肺炎疫情期间的民众群体心理进行数据收集与初步分析,并在此基础上提出疫情期间民众群体心理的管理建议与对策,具体包括：引导对于新冠肺炎疫情的正确群体认知、调节新冠肺炎疫情引起的消极群体情绪和控制可能引发次生危机的社会意志与行为倾向三个方面。     

从《中导条约》的失效看未来国际军控走向

《美苏消除两国中程导弹和中短程导弹条约》的失效重创了本就脆弱的国际军控体系,对美俄战略稳定和全球军事安全带来消极影响,国际军控合作和全球军事安全迫切需要重构新的军控体系。本文立足当前国际军控现状,在分析美俄“退约”背后各方战略考量及国际军控面临的挑战,如“美国优先”理念下的霸权主义和单边主义、国际军控体系自身的脆弱性和局限性和新军事革命给全球安全增添新的变量的基础上,提出了“构建人类命运共同体”理念凝聚全球安全共识、以大国责任和义务为基础构建多层次军控体系和以多边军控体系循序推进国际军控进程等措施和建议,以期为推动国际军控合作,建立更为公平、合理、有效的国际军控体系做出贡献。     

一种特殊结构双基地雷达的空射诱饵信号特征

分析了空射诱饵的使用特点和威胁特征,建立了一种特殊的双基地雷达-单发双收结构下的发射信号和接收信号模型。分析了空射诱饵信号增强设备发射信号与诱饵本体反射信号构成的接收站1接收信号,与仅接收诱饵本体反射信号的接收站2信号的时域、频域特点,证明很难从时频域区分两类信号。建立了雷达发射信号经诱饵本体反射后在两个接收站的时延差和多普勒频移差的模型,分析得出了信号时延差和多普勒频移差与诱饵运行时间和双基地雷达结构参量的关系,证明两个接收站的时延差和多普勒频移差具有稳定的关系。分析结果对于利用该类特殊结构的双基地雷达探测识别诱饵具有一定的参考价值。     

基于子阵的频控阵自适应波束形成算法

针对经典的最小方差无畸变响应波束形成器应用在FDA-BFF(Frequency Diverse Array Based On Frequency Filter,FDA-BFF)及FDA-MIMO(Frequency Diverse Array Multiple-Input Multiple-Output,FDA-MIMO)接收机结构时,当阵元数较大或干扰与目标角度维接近时波束主瓣会产生峰值畸变或偏移,波束形成器输出性能下降,无法有效确定目标位置的问题,提出了基于双边小方差无畸变响应的子阵频控阵波束形成算法。该算法将一维均匀线性阵列划分为两个采用不同非线性频偏的中心对称子阵结构,在目标位置形成点状波束,对传统频偏固定的频控阵方向图中的距离-角度实现解耦。之后,通过双边小方差无畸变响应算法中求解克罗内克积的方式降低了算法计算量。仿真验证表明,阵元数较大时该算法在目标位置处形成点状波束的同时,可以有效抑制角度维不可分的干扰。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

异型角反射体阵列寻优研究

战时,异型角反射体阵列布放态势将是影响其干扰效果的重要因素。以伯克级驱逐舰为典型舰艇,从雷达散射截面积(radar cross section,RCS)、高分辨率距离像(high resolution range rrofile,HRRP)和极化特征三方面入手,进行了异型角反射体布放间隔和布放数量的寻优,旨在寻找一种与载舰逼近度尽可能高的异型角反射体阵列,为反舰导弹突防研究提供基本理论依据。研究表明:综合考虑RCS,HRRP和极化特征三方面因素时,11个异型角反射体两两间隔5 m布放,能够发挥更好的干扰效果。