防空导弹指挥控制系统火力单元动态调整方法

多火力单元责任扇区的动态调整是防空导弹指挥控制系统的核心功能之一,通过引入可打击目标数和覆盖目标数的概念及计算方法,提出了一种新的多火力单元责任扇区调整方法。该方法能快速有效地确定多火力单元责任扇区调整方案。     

湖南国防科技工业军民融合深度发展研究

推动军民融合深度发展,是党的十八届三中全会提出的明确要求,也是当前和今后一段时期国防科技工业一项重大战略任务。作为传统的制造业大省和军工大省,湖南省推动军民融合已具备较好的"产学研"基础。为促进湖南国防科技工业军民融合深度发展,紧贴制造强省战略,分析了湖南国防科技工业军民融合深度发展面临的形势要求,阐述了湖南国防科技工业军民融合深度发展的重点领域,给出了推动湖南国防科技工业军民融合深度发展的有效途径。     

改进IAHP-CIM模型的雷达组网探测能力评估方法

针对雷达组网探测能力的评估问题,采用鱼骨图法对影响雷达组网探测能力的多种因素进行梳理,得到结构层次清晰的指标评价体系。采用改进的区间层次分析—控制区间和记忆模型对该指标体系进行评估,具体方法是:运用区间层次分析法构造区间判断矩阵;利用蛙跳算法求解区间判断矩阵中满足最小一致性的确定性矩阵;利用控制区间和记忆模型来确定各指标的风险概率,实现指标体系的评估。以具体的案例为对象进行仿真实验,结果表明,所提评估方法有效,评估结论相对客观、可信,对雷达组网探测能力评估具有一定参考价值,从而为雷达组网的优化部署奠定良好基础。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

Indications and warning in Belgium: Brussels is not Delphi

The terrorist attacks in France and Belgium of 2015–2016 that occurred while these countries were in a heightened state of alert raise questions about indications and warning methodology as well as effectiveness of the blanket-protection deployment of security services assisted even by the military. Response and perhaps even more anticipation may require strategic rethinking in light of the predatory attacks that target the most vulnerable spots of the public space. This study looks at threat analysis in Belgium as conducted through her intelligence fusion centre Coordination Unit for Threat Analysis (CUTA)?????? since its inception in 2006. With a special focus on what is known, at the time of writing, about the terrorist attacks in Paris and Brussels, this study hopes to put into context how the system (mal)functions and will also consider the preventive measures that respond to the threat, and the international aspects which have implications far beyond Belgian borders. Therefore, a case is made for not just a Belgian homeland security framework, but one that fits into an EU-wide security concept.     

伞翼无人机线性自抗扰高度控制

针对伞翼无人机参数不确定性和复杂环境干扰敏感的问题,提出一种伞翼无人机线性自抗扰(Linear Active Disturbance Rejection Control,LADRC)高度控制方法。建立伞翼无人机8自由度飞行动力学模型,并引入风场和降雨模型以更加准确地模拟真实飞行环境。基于LADRC确定总体控制架构,设计线性扩张状态观测器对所有扰动进行估计,并引入误差反馈率在控制中实时补偿。使用该控制方法在多种扰动工况下进行伞翼无人机高度控制仿真实验。仿真结果表明,基于LADRC的高度控制方法能够有效克服内扰和外扰的影响,实现高精度高度控制;与传统PID控制效果相比,LADRC控制器具有更好的抗扰能力和鲁棒性。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

分段履带式水陆两栖车减阻增速试验及数值仿真

为了研究分段履带式水陆两栖车的水动力性能,实现减阻增速,将尾翼板安装到水陆两栖车的方艉部,并开展了水池试验和仿真研究,两者的研究结果具有较好的一致性。通过仿真研究了车体的纵向重心位置、尾翼板的长度和角度对水陆两栖车阻力性能的影响,并分析了阻力成分的变化趋势。研究结果表明:车体纵向重心位置在540～560 mm 时,车体所受水阻力最小;在速度为3～5 m/s时,长度为156 mm,与水平面夹角为10°的尾翼板减阻效果最明显,相比于原裸车体的阻力,减阻率达到34.3%;加装尾翼板可以增加车体的尾部中空区长度,相当于增加了水线长,增大了长宽比。该研究表明:适当调节重心位置和优化尾翼板参数,可以有效实现水陆两栖车的减阻增速。     

基于不稳定性采样的主动学习方法

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。