城市环境下单无人机测向定位航迹优化算法

为解决单架无人机在城市环境中对辐射源目标的定位问题,提出了一种基于环境预测法的单无人机测向定位航迹优化算法。使用交互多模型-扩展卡尔曼滤波进行视距和非视距信号混合环境下的目标估计。结合估计的目标位置和城市地理信息模型,基于视线追踪法求解信号遮挡区域和多径信号干扰区域。在滚动时域控制算法框架下生成无人机预测轨迹,以最大化Fisher信息矩阵行列式为测向定位评价准则,考虑建筑物障碍以及其对信号的遮挡和反射效应对无人机测向定位航迹的影响,控制无人机选择最优航向飞行。仿真结果表明,该方法能够使无人机在存在障碍、信号遮挡和多径干扰的环境下实现对目标的高精度测向定位,为解决城市环境下的单架无人机测向定位问题提供了新思路。     

模糊综合评判在指挥信息优势评估中的应用

如何准确地对军队作战行动中获得信息优势的潜在能力进行综合考查和分析具有重要意义,为更好地指导我军信息化建设,分析了现行指挥信息优势评估中的方法的不足.在现有评估方法基础上,基于模糊综合评判,提出了一种更优的隶属度函数来建立模糊评判矩阵中的元素值,并论证确定该隶属度函数的合理性,给出用该隶属度函数确定的模糊评判矩阵的一个实例.用提出的模糊综合评判方法来评估指挥信息优势评估指标体系,在一定程度上提高了对指挥信息优势评估的合理性.     

基于事例推理的海上编队风险评估系统模型

海上作战信息范围广、内容多,海上编队面临情况异常复杂.针对海上编队面临的威胁,运用人工智能的基于事例推理技术探索海上编队风险评估问题,建立起了基于事例推理的海上编队风险评估系统模型.该模型运用数据事例库对情报信息进行识别和分析,通过专家对各种情况进行打分,并运行推理机找出相匹配的事例,从而得出海上编队当前的风险指标.该模型能在多种复杂情况中,甄别关键影响因素,通过专家与机器的结合,较准确地定出编队风险值,为指挥员实施判断决策提供帮助.     

粗集理论在目标识别信息处理中的应用

为提取传感器获得的较粗糙的原始信息,运用粗集理论进行目标识别信息的处理,提出了一种采用关系表存储原始信息,通过简化关系表删去冗余信息,从而达到提取有用信息的处理方法.根据此方法,实例中通过对生成的规则进行优选,得到了简单准确的目标识别规则.此理论在信息处理中的应用,较好地满足了目标识别中原始信息处理的需求.     

一种新的基于图像复杂度的掩密分析技术

基于掩密图像与原始图像在图像复杂度上的差异,提出了一种新的针对图像LSB嵌入的掩密分析算法,通过分析待检图像在嵌入测试消息前后图像复杂度均值和方差的变化情况,利用Fisher判决准则,从而准确判断图像中是否嵌入了秘密消息.实验结果表明,文章所提算法不仅能准确检测顺序LSB嵌入,并且能估计出嵌入消息的长度,而且能够以98％的准确率检测随机LSB嵌入,同时具有实现简单,运行速度快等优点.     

军队数字化油库研究

阐述了数字化油库的基本概念、结构体系、建设内容、建设阶段及数字化油库建设在后勤信息化建设中的地位和作用,重点论述三层结构体系的内容和相互关系,详细阐述了数字化油库建设的5个方面。提出的思想对军队油库信息化建设有一定的指导意义。     

产品网络化协同开发系统信息处理模型研究

产品网络协同开发系统信息处理模型是现代制造企业从事产品开发、提高企业核心竞争力的关键。在分析产品网络化协同开发系统现状的基础上,阐明了产品网络化协同开发系统的基本内涵及实现方法。提出了基于输入、输出、知识、关系、方法和时间约束六个方面组成的产品网络化协同开发系统的信息处理统一模型;建立了一个面向产品开发全过程协同的信息流模型,构建了产品网络化协同开发平台信息流模型的软件结构,为制造企业建立产品网络协同开发平台,实现产品开发过程的信息化、科学化和规范化进行了有益的工作。     

目标自动跟踪与信息处理综合系统的研究与实现

根据将目标自动跟踪与信息处理综合的思想,在目标自动跟踪与信息处理综合的实现方面作了大量工作,并进行了实验.实验结果表明,只有在自动跟踪系统中综合目标信息处理,火控系统性能才能有质的提高.同时,数字信号处理(DSP)技术、自适应滤波算法的应用,使得系统设计能够基本达到实际应用的阶段.     

分布式虚拟环境中环境信息动态更新研究

环境信息动态更新是分布式虚拟环境的一个主要特点,如何使环境信息更新更活跃、更反应实际情况,一直是分布式虚拟环境研究的重点。在典型的分布式交互环境中,环境信息动态更新是基于协议数据单元(PDU),它不提供数据可靠性传输保证。如何保证分布式环境中各结点环境信息一致性,本文提出了一种信息校验和协议,它通过极少的信息传输就可保证各结点环境信息高度一致。文中定义了保证分布式环境信息动态一致性更新的协议数据单元,并在试验环境中证明了协议的可靠性。     

The impact of exponential smoothing forecasts on the bullwhip effect

An important phenomenon often observed in supply chain management, known as the bullwhip effect, implies that demand variability increases as one moves up the supply chain, i.e., as one moves away from customer demand. In this paper we quantify this effect for simple, two‐stage, supply chains consisting of a single retailer and a single manufacturer. We demonstrate that the use of an exponential smoothing forecast by the retailer can cause the bullwhip effect and contrast these results with the increase in variability due to the use of a moving average forecast. We consider two types of demand processes, a correlated demand process and a demand process with a linear trend. We then discuss several important managerial insights that can be drawn from this research. © 2000 John Wiley & Sons, Inc. Naval Research Logistics 47: 269–286, 2000