ISAR雷达欺骗式干扰信号生成算法

宽带ISAR雷达能够从目标回波中计算得出众多目标特征,对ISAR雷达的干扰信号必须高逼真地模拟目标的电磁散射特性和运动特性。从弹头目标电磁散射机理出发,分析了干扰信号生成流程,提出二维成像干扰的实现方案。针对虚假目标特性模拟问题,提出基于一维距离像模板合成欺骗干扰信号的算法。算法采用距离像模板与实际宽带ISAR信号的卷积调制处理,生成的干扰信号能较好地反映目标的电磁特性。通过多个脉冲的模拟,生成的干扰信号也能够准确反映目标的运动特性。仿真实验对暗室测量数据和HRRP模板数据进行成像效果对比,验证了算法的有效性。该算法对二维成像干扰机的工程设计具有指导意义。     

Halo轨道的航天器编队构型设计

针对不同干涉基线约束下的最优Halo轨道编队构型设计方法展开研究。以Richardson关于Halo轨道的三阶近似解析解为基础建立同一轨道上两航天器编队的相对运动学模型;以平动点为质心的旋转坐标系为基准构造与编队主航天器和观测目标相关的旋转坐标系,并在此坐标系中给出不同于二体问题的干涉基线计算方法;以满足基线约束下观测时间最长为目标给出最优编队构型设计方法。最后,以绕日-地L2点的Halo轨道为例对上述编队构型设计方法的有效性进行了仿真验证。     

舰炮武器系统仿真试验可信性评估方法

在介绍舰炮武器系统半实物仿真原理及系统组成的基础上,深入探讨了仿真试验结果可信性问题、仿真模型校核、验证与确认(VVA)的层次、仿真模型评估方法;介绍了基于最大熵谱估计的可信性评估定量分析方法;给出了仿真试验静、动态数据的验证方法以及仿真结果静、动态精度的检验方法;最后,以某型舰炮武器系统定型试验雷达通道数据验证了以上所述方法的有效性,并展望了可信性分析方法的发展方向。     

防暴发射器身管长度优化研究

为解决某型防暴发射器身管设计不合理导致有效射程短的问题,以仿真设计的方法,运用Matlab计算软件对其进行了内弹道模拟仿真,获得了不同身管长度下该防暴发射器的膛压和速度曲线,确定了最优身管长度。然后利用ANsYs有限元分析软件,对延长身管后的模型进行了强度校核。仿真结果和实弹数据表明：防暴发射器身管长度设计合理,有效提高了其实际射程和作战效能,研究工作优化了防暴发射器的设计。     

基于UML的导弹伺服测试系统通用设计方法

分析了导弹伺服测试系统组成及功能,采用UML静态建模技术构建了导弹伺服测试系统设计的需求描述模型,运用动态建模方法建立了系统结构模型和行为模型,并以上述模型为基础,设计了导弹伺服测试系统通用软硬件结构。该方法优化了导弹伺服测试系统共性设计,并创建了特性模型架构和特化接口,有效提高了系统的设计效率和开发质量。     

基于SDP松弛的干扰资源优化分配技术研究

提出一种基于semidefinite programming(简称SDP)松弛的干扰资源优化分配算法。在问题优化过程中首先对模型中非凸的约束条件进行松弛,变为凸约束,将原来的数学模型转化成SDP求解形式,利用内点算法对松弛后的模型求解。该算法利用解析的手段使得干扰资源优化分配问题中的NP难问题在多项式时间内得以解决,并且有较高的可靠性。仿真结果验证了算法的有效性。     

新疆少数民族高等教育与人口就业——基于二进制响应模型的实证检验

新疆少数民族高等教育和人口就业的关系是一个异常重要,却少有学者关注的研究领域。本文利用二进制响应模型实证检验了新疆少数民族高等教育对就业的影响。研究结果显示,新疆少数民族高等教育是促进人口就业的Ganger原因,少数民族高等教育对促进就业具有显著的滞后效应,当期少数民族在校大学生占比超过其中位数,一年后就业人口占比超过其中位数的概率将增加23.13%,两年后全疆就业人口占比超过其中位数的概率将增加57.95%。为此,本文提出了进一步提高少数民族高考升学率,继续巩固基础教育阶段成果和高度重视少数民族职业教育和培训等三方面的建议。     

The impact of operational decisions on the design of salesforce incentives

When facing high levels of overstock inventories, firms often push their salesforce to work harder than usual to attract more demand, and one way to achieve that is to offer attractive incentives. However, most research on the optimal design of salesforce incentives ignores this dependency and assumes that operational decisions of production/inventory management are separable from design of salesforce incentives. We investigate this dependency in the problem of joint salesforce incentive design and inventory/production control. We develop a dynamic Principal‐Agent model with both Moral Hazard and Adverse Selection in which the principal is strategic and risk‐neutral but the agent is myopic and risk‐averse. We find the optimal joint incentive design and inventory control strategy, and demonstrate the impact of operational decisions on the design of a compensation package. The optimal strategy is characterized by a menu of inventory‐dependent salesforce compensation contracts. We show that the optimal compensation package depends highly on the operational decisions; when inventory levels are high, (a) the firm offers a more attractive contract and (b) the contract is effective in inducing the salesforce to work harder than usual. In contrast, when inventory levels are low, the firm can offer a less attractive compensation package, but still expect the salesforce to work hard enough. In addition, we show that although the inventory/production management and the design of salesforce compensation package are highly correlated, information acquisition through contract design allows the firm to implement traditional inventory control policies: a market‐based state‐dependent policy (with a constant base‐stock level when the inventory is low) that makes use of the extracted market condition from the agent is optimal. This work appears to be the first article on operations that addresses the important interplay between inventory/production control and salesforce compensation decisions in a dynamic setting. Our findings shed light on the effective integration of these two significant aspects for the successful operation of a firm. © 2014 Wiley Periodicals, Inc. Naval Research Logistics 61: 320–340, 2014     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。