基于码相扩展的TTCM直序扩频系统研究

提出了一种基于码相扩展扩频信号集上的TTCM直接序列扩频系统方案,通过将Turbo编码与扩频映射相结合,使得信号之间的最小欧氏距离增加,从而在不增加发射功率、不减小信息速率、不改变调制方式的前提下提高了系统的误码率性能.仿真结果表明,基于码相扩展的TTCM直序扩频系统可以比单纯直序扩频多获得1～3dB的编码增益,同时对载波初相估计误差和相位噪声的敏感程度并不增加.     

空战机动决策方法研究

在阐述空战机动决策作用的同时 ,分析对比了几种常用空战机动决策方法 :矩阵对策法、专家系统法、神经网络法和微分对策法等 ;在此基础上引入了一种新的空战机动决策方法——决策影响图法 ,并对其具体应用作了探讨。     

A sequential partial information bomber-defender shooting problem

A bomber carrying homogenous weapons sequentially engages ground targets capable of retaliation. Upon reaching a target, the bomber may fire a weapon at it. If the target survives the direct fire, it can either return fire or choose to hold fire (play dead). If the former occurs, the bomber is immediately made aware that the target is alive. If no return fire is seen, the true status of the target is unknown to the bomber. After the current engagement, the bomber, if still alive, can either re-engage the same target or move on to the next target in the sequence. The bomber seeks to maximize the expected cumulative damage it can inflict on the targets. We solve the perfect and partial information problems, where a target always fires back and sometimes fires back respectively using stochastic dynamic programming. The perfect information scenario yields an appealing threshold based bombing policy. Indeed, the marginal future reward is the threshold at which the control policy switches and furthermore, the threshold is monotonic decreasing with the number of weapons left with the bomber and monotonic nondecreasing with the number of targets left in the mission. For the partial information scenario, we show via a counterexample that the marginal future reward is not the threshold at which the control switches. In light of the negative result, we provide an appealing threshold based heuristic instead. Finally, we address the partial information game, where the target can choose to fire back and establish the Nash equilibrium strategies for a representative two target scenario.     

基于累积前景理论的时间矩阵多属性综合评判模型

针对动态多属性方案排序优选决策问题,提出了一种基于累积前景理论的时间矩阵序列动态多属性综合评判系统模型。依据累积前景理论,将时间矩阵序列动态多属性决策转化为关于属性期望的益损时间矩阵序列动态决策,综合考虑各属性权重、各时间点的权重,计算各方案的最终综合前景值,并依据其大小对方案进行综合评判排序。最后给出了一个决策实例。     

合成分队火力分配自适应决策模型研究

针对合成分队武器和打击目标种类多样,战场态势变化迅速的特点,提出了一种火力分配自适应决策模型。该模型在火力分配中加入满意度函数以提高整体火力打击效率,根据各决策单元评估信息通过灰色关联法获得目标价值,根据目标类型和特点通过BP神经网络自动选择适合打击武器,通过GM(1,1)模型预测目标状态指标并结合相应的影响因素预测命中概率。仿真实例表明,自适应火力分配模型能够依据态势变化信息调整火力分配模型参数,获得更加合理有效的火力分配结果。     

分布式计算环境下的栅格数据存储策略

针对传统的栅格数据存储策略不能满足分布式计算环境下粗粒度数据访问需求,应对海量栅格数据计算时效率低下的问题,结合分布式文件系统的存储特点,同时考虑地图代数算子在Map/Reduce阶段以栅格瓦片为单位的计算特点,提出一种基于Hadoop分布式文件系统的栅格瓦片存储策略。围绕栅格数据瓦片分割、压缩瓦片数据组织与存储、分布式文件输入输出接口改进等方面对该存储策略加以实现,并使用基于该存储策略的地图代数局部算子的分布式计算流程加以验证。理论分析与实验结果表明,该策略能够显著提高分布式计算环境下空间分析算子的运算速度。     

一种基于分层智能混合决策的多Agent框架

智能对于指挥决策模型非常重要,也是提高模拟训练和作战实验质量的关键。作战中指挥决策内容多,问题性质不一,对智能要求高。在分析指挥控制模型发展现状基础上提出模型对智能的需求,分析设定了智能的5个层次,提出一种混合Agent框架,并在框架中对每一层智能给出解决方案,框架兼具认知Agent、BDI Agent和刺激反应Agent的优长,对构建智能化的训练和实验系统有较大帮助。框架在指挥装备作战运用实验中得到应用,具有较好的理论意义和应用价值。     

基于决策树的空中目标威胁分类研究

将决策树ID3算法应用到空中目标威胁程度分类问题。分析了现有威胁评估的常用方法及其局限性,论述了ID3算法在此问题上的适用性。以28批典型目标的威胁程度为例,对数据进行概化处理后,利用weka平台进行仿真,构造决策树,并从中挖掘出隐含的24条规则,这对决策支持系统知识库的构建是非常必要的,也为指挥员定下作战决心提供重要参考。     

基于判别分析阈值滤波协作通信系统信道估计

在基于正交频分复用技术的放大转发协作通信系统中,针对传统信道估计算法估计精度差的问题,提出一种基于判别分析阈值滤波离散傅立叶变换信道估计算法。该算法首先通过设置改进的阈值门限初步获得信道有效抽头,然后利用马氏距离判别分析对已检测出的信道抽头修正。仿真结果表明:和传统方法相比,提出方法有效地滤除了信道估计中的噪声,改善了信道估计精度和误码率性能。     

影响指挥员军事决策的因素分析

现代高技术条件下的局部战争,军事活动的节奏明显加快,作战空间跨域扩展,战场态势复杂多变,尤其是当重大危机发生时,对军事决策的时效性提出了更高要求,指挥员必须能够及时、果断、有效、准确地定下作战决心。指挥员军事决策的有效性不仅受主观因素的影响,还受客观因素的影响。通过对影响因素的分析,提出提高指挥员军事决策能力的有效途径,为军队指挥人才培养提供合理建议。