十六通道通信控制机

提高炮兵射击指挥效能的根本出路在于实现射击指挥的自动化,信息的有效管理与准确、快速的传输又是射击指挥自动化系统的重要保障。本文主要介绍应用十六位单片机80C196设计的用于炮兵自动化指挥系统的十六通道通信控制机。设计中采用80C196单片机不仅使十六通道通信控制机的硬件大为简化,可靠性提高,同时也使其具有功能强,性能好和性能价格比高等特点。十六通道通信控制机的实用性和适应性已在三套系统中得以证实。     

一种基于知识辅助的MIMO-STAP抗干扰算法北大核心

针对有源干扰环境下机载MIMO雷达的杂波抑制问题,利用预白化的思想,提出了一种基于知识辅助的MIMO-STAP抗干扰算法——KA-J-STAP方法,首先利用载机平台运动参数、雷达系统参数、干扰方位等先验信息构造相关协方差矩阵,后利用相关协方差矩阵对接收数据进行预白化,对杂波和噪声预置零,对于预白化后的数据空时自适应处理。仿真结果表明,相比于未采用知识辅助的算法,所提KA-J-STAP算法在干扰环境下仍能保持较好的杂波抑制性能。     

集成平台空域辅助阵列共址干扰抑制技术

针对同时存在恶意干扰与非法窃听的通信环境,提出一种协作干扰(cooperative jamming, CJ)掩护的保密通信架构,收发信机之间采用跳频技术躲避恶意干扰,并采用协作干扰技术阻塞非法窃听。但该架构的通信带宽较大,会在收发频率振荡器中引起显著的同相和正交(in-phase and quadrature, IQ)通道失衡。鉴于此,对收发IQ通道失衡引起的信号失真进行数学建模,给出接收机处信干噪比的数学表达式,并给出干扰抑制比的闭合表达式。仿真结果表明,收发IQ通道失衡引起的信号失真的功率远大于热噪声功率。随着收发IQ通道失衡加剧,所提架构的信干噪比和干扰抑制比性能均会急剧下降,当幅度和相位失衡分别达到0.95和π/50时,信干噪比和干扰抑制比均损失了47 dB。     

保密通信中同相和正交通道失衡对干扰抑制性能的影响

针对同时存在恶意干扰与非法窃听的通信环境,提出一种协作干扰(cooperative jamming, CJ)掩护的保密通信架构,收发信机之间采用跳频技术躲避恶意干扰,并采用协作干扰技术阻塞非法窃听。但该架构的通信带宽较大,会在收发频率振荡器中引起显著的同相和正交(in-phase and quadrature, IQ)通道失衡。鉴于此,对收发IQ通道失衡引起的信号失真进行数学建模,给出接收机处信干噪比的数学表达式,并给出干扰抑制比的闭合表达式。仿真结果表明,收发IQ通道失衡引起的信号失真的功率远大于热噪声功率。随着收发IQ通道失衡加剧,所提架构的信干噪比和干扰抑制比性能均会急剧下降,当幅度和相位失衡分别达到0.95和π/50时,信干噪比和干扰抑制比均损失了47 dB。     

2002世界活宝联合军演剑指海上通道

最近几年,从双边到多边,从传统安全领域到非传统安全领域,不同国家海军联合演习有新的发展。2007年,几次大规模的海军联合演习不仅呈现出新的特点,其背后所透露出来的信息也颇引人注目……     

变结构控制在某防空导弹稳定控制系统中的应用研究

以某高速、高加速防空导弹为背景,研究了一种对系统参数摄动和外在不确定性干扰具有鲁棒性的变结构控制律,将一般变结构控制律与趋近律相结合使用于导弹俯仰(偏航)通道,不仅改进了正常运动段的动态品质,而且削弱了变结构控制所带来的抖振问题.理论及仿真研究结果表明,此变结构控制具有鲁棒性,并能有效克服传统变结构控制系统的抖动现象.该控制器算法简单,易于实现.     

基于Fiducial推断的Bayes验前分布的表示

先验分布的确定与表示是Bayes统计推断的出发点和关键点。提出了一种基于信仰推断 (FiducialInfer ence)观点确定Bayes先验分布的设想 ,有助于解决无验前信息或验前历史信息较少时先验分布的确定问题 ,文中给出了一个实例说明了该方法的应用     

让萨达姆悲愤不已的“夜猫子”

1998年12月16日晚7时20分,夜幕笼罩了中东大地,辽阔的阿拉伯海上,美海军“企业”号航空母舰已经掉转了庞大的舰身,对准逆风方向航行。很快,航母甲板上的风速就达到了23节左右。1号弹射器上,一架垂尾上画有黑色卡通猫图案的F-14D“雄猫”重型舰载战斗机已整装待发。此时,在这架“雄猫”的机翼挂架上,两枚银灰色的AGM-130C型空对地导弹正虎视眈眈地盯着甲板前方。它们此行的目的只有一个——与伊拉克雷达站同归于尽。     

基于特征增强和损失优化的弱监督目标检测算法

针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题,提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块,该模块通过关联通道的选择来提高其局部信息的交互能力,以此来扩大最具辨别性的示例目标区域;此外,通过对网络回归损失函数施加针对性的动态权重,使其能够自动弱化回归分支中伪标注边界框不准确性的影响,提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明,相比其他同类算法,该算法能够有效地提高弱监督目标检测的精度。同时,由于该算法引入的额外训练参数和计算负担几乎可以忽略不计,因此还具有良好的高效性。     

基于多分支注意力改进的YOLOv5无人艇目标检测方法

针对水面无人艇目标检测类别多、尺寸小、形变大等难题,提出了基于多分支注意力改进的YOLOv5检测算法。首先提出了一种SAv2Attention模块,通过对通道的“复制-转换-合并”等处理,实现卷积层通道间与通道内特征融合,提升网络的局部感受野,然后将其嵌入到YOLOv5网络,最后在构建的真实海试数据集上进行了大量对比实验。结果表明,SAv2Attention可有效提升YOLOv5的检测精度,典型海面目标数据集上,mAP@0.5检测精度达到94.6%,mAP@0.5:0.95检测精度达到60.9%,相较于原生算法分别提高1.4%和3%,对小尺寸目标平均检测率APS提升4.3%,证明所提方法能有效提升无人艇对水面小目标的检测能力。