OODA-L模式下的智能无人集群作战仿真建模框架

介绍了智能无人集群作战的相关概念,为反映智能无人仿真实体的自主能力和适应能力,提出将学习过程显性化的观察-判断-决策-行动-学习(Observe, Orient, Decide, Act and Learning, OODA-L)模式,并进一步扩展为适用于集群协同的Co-OODA-L模式。在智能无人仿真实体的总体描述上,采用马尔可夫决策过程进行数学抽象处理,提出智能无人Agent的三域分层结构。为体现智能无人集群作战的自主协同、分布式等特点,提出了利用人工神经网络将可变数量的智能无人Agent融合为同构或异构集群进行协同作战建模的体系结构。     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.     

装甲机械化部队信息系统体系结构研究

为确立装甲机械化部队信息系统建设的体系结构,分析了装甲机械化部队信息系统存在的问题,根据装甲机械化部队军事能力需求得出了装甲机械化部队的信息系统的体系结构方案,并就相关问题进行了描述和探讨,可供装甲机械化部队信息系统建设参考。     

L+1容错恢复策略在复杂军事网络中的应用仿真

以标准3×3网格为基础网络,介绍了L+1容错恢复策略的概念和恢复原理,以海上舰艇编队作战系统网络为研究对象,使用Matlab-Simulink仿真工具,通过对阻塞概率、平均路径长度、路径重新分配概率和有效利用率4个指标的仿真,对比了该网络在无策略、备份多路和L+1容错恢复3种策略下网络的恢复程度,验证了L+1容错恢复策略的有效性和可行性。     

C4ISR体系结构产品设计研究

体系结构产品是C4ISR体系结构框架中定义的体系结构描述形式,因此体系结构产品设计是体系结构设计的关键环节。基于C4ISR体系结构框架,对作战节点连接关系、作战活动模型、系统接口描述等核心体系结构产品进行规范化描述,分析了这些核心体系结构产品的数据相关性,提出了体系结构产品设计的检验方法。     

台湾海军C3I系统装备现状和发展特点

自20世纪70年代以来,台湾在美国的支持下致力于C3I系统的建设,现已初具规模.台湾为了实现其"台独"的目的,更是极力推进海军C3I系统建设.在当前我军迫切需要了解和分析台湾指挥自动化系统的现状与发展.在简要介绍了台湾的衡山防务C3I系统之后,重点讨论了台湾海军C3I系统发展及其部分系统功能特点,分析了台湾海军C3I系统特点及其发展趋势.对台湾海军C3I系统的分析在当前对抗斗争中和加强我军C3I系统建设上具有重要的理论与现实意义.     

基于移动代理的目标跟踪WSN体系结构设计

在目标跟踪WSN网络中,引入移动代理技术,选择性地访问传感器节点和融合数据,能极大地提高WSN网络的性能。提出了一种基于移动代理的WSN目标跟踪网络体系结构,对网络中的移动代理进行了分类,定义了各类移动代理的功能和结构,建立了基于移动代理的目标跟踪工作流程。最后通过仿真实验,验证了随着网络节点数量的增加,提出的目标跟踪WSN结构的与传统的C/S模式目标跟踪WSN结构相比,单位负载量等性能指标上具有较大的优势。     

基于超外差变频结构接收机前端系统设计

近年来无线通信技术获得了惊人的发展,而短波接收技术作为其中发展最为迅速的一个分支,已经广泛应用到人们生活中的各个领域,具有很高的研究与开发价值。接收机射频前端作为接收机重要组成部分,是接收机动态性能的关键部件,它工作于射频前置滤波器的后面。以接收机射频前端作为研究重点,采用超外差变频体系结构,结合数字频率合成技术,完成了GMSK接收机射频模拟前端系统的设计与实现。设计过程中所涉及到的技术,具有一定的创新和独到之处。     

战场电磁态势融合感知技术框架研究?

为了高效精确感知现代战场条件下的电磁态势,分析了战场电磁态势感知的需求,研究了基于高层信息融合的电磁态势融合感知技术框架。战场电磁态势融合感知技术框架面向异构信息综合处理和融合模型柔性控制,基于电磁实体序列识别形成观测态势,基于作战行动企图估计形成估计态势,基于电磁威胁预测评估形成预测态势,构建现代战场综合电磁态势图。研究表明基于融合理论的战场电磁态势融合感知技术框架具有适应性强、高效精确的特点。     

舰空导弹超视距协同反导装备体系结构设计方法

以网络化舰空导弹超视距协同反导作战装备发展需求为牵引,基于 DoDAF （ Department of Defense Architecture Framework）1?5体系结构框架,利用体系结构设计软件SA（ System Architect）,对协同反导作战装备体系结构进行了初步探索性和概念性设计,提出了体系结构框架裁减、作战视图设计、系统视图设计和体系结构评估等方法,对实现整个装备体系互连、互通、互操作,以及避免重复建设具有重要指导意义。