神经网络的坦克目标威胁评估

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行目标威胁评估及自主射击。以坦克的自主作战为背景,提出了一种基于神经网络的目标威胁评估方法。首先提出了包含来袭目标性质、指战员指令、保卫目标的重要度、我方武器性能值等一套威胁评估指标体系;然后采用神经网络方法进行威胁评估。神经网络方法的优势主要体现在:①考虑了诸因素的相互关联;②充分考虑了战术信息;③权系数对具体环境的适应性;④方法的通用性。实例结果表明,神经网络方法科学合理,为坦克目标威胁的评估提供了新思路。神经网络方法具有普遍意义,能推广应用于其它武器平台的目标威胁评估。     

基于信号流图的捕获模型分析

本文利用信号流图分析法建立了适合中低速跳获方案的数学模型,推导了该方案的平均捕获时间计算式。通过对数学模型及模拟结果的分析,证明了本文推导过程的正确性。本文的研究对中低速跳频电台的性能指标确定,提供了理论依据。     

一种基于MTS的网络区域管理工作站实现策略

网络扩容的一个重要障碍是异构子网连接后的互连管理问题。分区域的一体化管理无疑是一种解决办法。本文提出一种基于管理协议细栈(MTS)来构造一体化的区域管理中心(RMC)的策略,这里的 RMC 可实现彼此间的管理通信和互操作,从而也解决了扩容后的互连管理问题。结合正在进行的工程实践,文章还进一步从技术角度上讨论了实现策略。     

美军战术车辆作战试验现状分析

以美军战术车辆为研究对象,介绍了美军战术车辆的基本概况,分析了美军战术车辆作战试验类型,系统研究了美军轻型、中型、重型战术车辆及防地雷反伏击车的作战试验现状和特点,提出了对我军开展战术车辆作战试验的启示。     

提升我军话语国际影响力需要过好四关

国防话语的一个重要支柱就是军事话语,军事话语是一个国家军事软实力和军队形象建设的重要体现。新时代呼唤强有力的军事话语。习近平总书记关于对外宣传工作以及国防和军队现代化的重要论述为提升我军话语国际影响力、为建构我军国际形象指明了方向、制定了战略、设计了战术、明确了任务、确定了节点。如何切实提升我军话语的国际影响力,成为新形势下实现中国梦和强军目标的时代课题。从具体操作层面,提升我军话语国际影响力需要过好思维立场、语言文化、业务素养和法规制度四个关。     

基于神经网络的语音识别系统

本文研究神经网络的多层感知器模型在语音识别中的应用。为达到实时识别的效果,笔者设计了TMS32010数字信号处理板,它与PC/XT机构成主-从系统,由PC/XT机管理数据,TMS32010进行高速运算,实验中,考察了神经网络对数字语音的识别能力,识别率达到95％以上,结果表明,用神经网络进行语音识别是一种很有前途的方法。     

一种简捷实用的汉明码法

介绍一种快速、简捷的汉明码法。该法减少了传统汉明码的设计复杂性和工作量,并缩短了校验时间;特别是对突发性错误有很强的检错、纠错能力。它适用于军工装备有关数字快速反应系统。     

基于D-S推理的灰关联通信电台识别研究

为了解决通信电台识别问题,在灰关联识别的过程中,引入D-S证据理论,通过对信号的积累和对信任度的重新分配,对识别结果进行了有效的融合,提高了辐射源的正确识别率。仿真结果表明了该方法的可行性和有效性。     

轻量级接入点协议LWAPP的应用及其安全性分析

轻量级接入点协议(Lightweight Access Point Protocol,LWAPP)是一个新的无线局域网协议,该协议被设计用来传输和控制无线接入点和无线局域网控制器之间的通信。LWAPP把一些传统的无线接入点的一些功能移到了无线控制器中,以实现对无线接入点的统一控制和集中管理。简单讲述了LWAPP的功能和作用,同时分析了LWAPP的安全性,列举了一些该协议可能会受到的攻击类型,并提出了一些解决方案。     

3D laser scanning strategy based on cascaded deep neural network

A 3D laser scanning strategy based on cascaded deep neural network is proposed for the scanning system converted from 2D Lidar with a pitching motion device. The strategy is aimed at moving target detection and monitoring. Combining the device characteristics, the strategy first proposes a cascaded deep neural network, which inputs 2D point cloud, color image and pitching angle. The outputs are target distance and speed classification. And the cross-entropy loss function of network is modified by using focal loss and uniform distribution to improve the recognition accuracy. Then a pitching range and speed model are proposed to determine pitching motion parameters. Finally, the adaptive scanning is realized by integral separate speed PID. The experimental results show that the accuracies of the improved network target detection box, distance and speed classification are 90.17%, 96.87% and 96.97%, respectively. The average speed error of the improved PID is 0.4239°/s, and the average strategy execution time is 0.1521 s. The range and speed model can effectively reduce the collection of useless information and the deformation of the target point cloud. Conclusively, the experimental of overall scanning strategy show that it can improve target point cloud integrity and density while ensuring the capture of target.