开口金属腔体对强电磁脉冲的耦合效应

为了评价腔体开口因素对核电磁脉冲(High-amplitude Electro Magnetic Pulse,HEMP)和高功率微波(High Power Microwave,HPM)破坏效能的影响,采用CST电磁计算软件建立强电磁脉冲的孔缝耦合模型,研究孔缝的位置、大小以及长宽比对HEMP和HPM耦合效应的影响。结果表明,孔缝的位置、大小及长宽比对HEMP的耦合效应影响较大,合理控制孔缝的位置、大小以及长宽比能在一定程度上削弱HEMP的破坏效能。对于HPM,相同条件下其耦合效应要明显强于HEMP。在孔缝达到一定尺寸后,其大小和长宽比对HPM的耦合效应影响较小,仅孔缝位置会带来较大的影响。当开口平面与HPM入射方向平行时,耦合效应最弱,但此时耦合进入腔体内的能量还是很容易达到多种电子元器件的电磁损伤阈值级别。     

基于卷积神经网络的卫星网络协调态势评估方法

为充分发掘利用海量卫星网络数据,提高决策效率,加强空间频轨资源获取与储备的分析手段,尤其是对地球静止轨道资源的协调获取问题,提出基于机器学习算法的卫星网络态势评估策略。通过对卫星网络协调因素进行特征分析,选择卷积神经网络(Convolution Neural Network, CNN)为目标算法模型,并建立算法模型的训练数据集及Label规则,采用分裂信息增益度量方法对数据进行降维处理,建立CNN评估模型,并进行了验证分析。结果表明,CNN模型对卫星网络协调态势评估问题测试的正确率高达80%以上,具有较高的评估效能。随着数据量的增多,CNN评估效果逐步提升,是一种在卫星网络协调态势分析、资源储备的有效评估方法。     

深度神经网络指导下的无线覆盖预测算法

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明:该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

Gabor-CNN for object detection based on small samples

Object detection models based on convolutional neural networks (CNN) have achieved state-of-the-art performance by heavily rely on large-scale training samples. They are insufficient when used in specific applications, such as the detection of military objects, as in these instances, a large number of samples is hard to obtain. In order to solve this problem, this paper proposes the use of Gabor-CNN for object detection based on a small number of samples. First of all, a feature extraction convolution kernel library composed of multi-shape Gabor and color Gabor is constructed, and the optimal Gabor convolution kernel group is obtained by means of training and screening, which is convolved with the input image to obtain feature information of objects with strong auxiliary function. Then, the k-means clustering algorithm is adopted to construct several different sizes of anchor boxes, which improves the quality of the regional proposals. We call this regional proposal process the Gabor-assisted Region Proposal Network (Gabor-assisted RPN). Finally, the Deeply-Utilized Feature Pyramid Network (DU-FPN) method is proposed to strengthen the feature expression of objects in the image. A bottom-up and a top-down feature pyramid is constructed in ResNet-50 and feature information of objects is deeply utilized through the transverse connection and integration of features at various scales. Experimental results show that the method proposed in this paper achieves better results than the state-of-art contrast models on data sets with small samples in terms of accuracy and recall rate, and thus has a strong application prospect.     

基于RBF神经网络的HPA自适应预失真算法

卫星通信中,高速数据传输系统要求使用频谱利用率高的高阶调制技术,但高阶调制对高功率放大器(HPA)的非线性非常敏感,会造成码间干扰和邻信道间干扰.提出一种基于RBF神经网络的自适应预失真算法,以实现HPA的线性化,同时推导了自适应算法的迭代公式.仿真结果表明,该算法能明显改善信号星座图,并能大大提高系统的误比特率性能.     

一种BPSK相参脉冲信号多普勒频率变化率测量方法

BPSK信号广泛应用于新体制雷达中,测量BPSK信号中包含的多普勒频率变化率信息是单站无源定位与跟踪的关键技术.通过对BPSK信号平方消除了相位调制对参数估计的影响,并利用离散傅立叶变换进行脉冲间相参积累,算法具有计算量小、多普勒频率变化率估计精度高的优点.计算机仿真结果表明参数估计的精度能达到单站无源定位与跟踪系统的精度要求.     

带落角约束的再入机动弹头的复合导引律

针对再入机动弹头垂直打击目标的要求,研究了具有末端落角约束的复合导引律.该导引律包括俯冲平面内的制导方程和转弯平面内的制导方程,通过在最优导引律的基础上引入滑模变结构控制,增强导引律的鲁棒性.为了减小控制量的抖振和能量损耗,提出了采用RBF(径向基函数)神经网络自适应调节切换项增益的方案,数学仿真验证了该方案的有效性.仿真结果还表明,与最优导引律相比,复合导引律在外界干扰的影响下仍能保持较高的制导精度.     

信息网络作战技术

信息战是现代战争中重要作战样式,网络战是信息战的重要组成部分,分布式、网络化的计算机系统是信息作战中实施攻击与防护首要作战目标。根据网络作战的需求,从技术角度出发,首先对网络战的要素组成进行了分析,在此基础上将网络战划分为两个阶段,并对此进行了深入研究,最后提出了实施网络战的方法与步骤。     

基于模糊推理的舰炮故障检测方法研究

基于模糊推理知识和模糊神经网络的理论,根据舰炮运转时发出的声音信号,提出了舰炮系统的故障检测诊断方案,详细介绍了信号提取的方法和故障分析的算法.     

自适应变异遗传算法在通信网络时延和路由选择优化中的应用分析

在遗传算法中采用自适应的方法来控制变异操作,可以提高算法的全局搜索能力,加快收敛速度,从而可以迅速地求解组合优化问题,并在进一步求解计算机通信网优化问题中得到成功应用.