基于Q-Learning的编队防空目标分配方法研究

研究了编队防空目标分配问题,采用马尔科夫决策模型描述了编队防空动态目标分配过程,构建了编队防空目标分配强化学习系统,描述了系统组成,给出了基于Q-Learning算法的模型求解方法,并对模型效果进行了仿真分析,证明了该模型的有效性。     

基于深度学习的空海防御智能态势认知技术研究

在现代空海防御的信息作战中，智能态势认知是实现战场透明化、降低信息复杂度、 提升空海防御作战指挥决策能力的前提和基础。针对空海防御智能态势认知相关问题进行探索研究，重点分析了其概念内涵和面临的巨大威胁与挑战等，提出复杂空海信息对抗条件下态势信息数据表征、融合处理、意图推理等核心能力需求，在此基础上结合人工智能的自主、超强学习能力，构建了基于深度学习的空海防御态势认知体系，开展智能认知技术应用探索，为其发展提供了良好思路。     

人工智能在对空指挥决策中的应用

针对人工智能在对空指挥决策中的应用进行综述,首先介绍了人工智能技术的概念;其次概括了人工智能在对空指挥决策中的技术优势;然后分别从威胁评估、目标分配、分布式架构以及仿真验证等方面对其应用情况进行详细论述;最后,简要介绍了人工智能技术在指控领域应用时需要解决的具体问题。     

一种基于证据推理的自适应聚类算法

为了有效处理模式分类中的不确定信息，将证据推理的 Dempster 和 Yager 规则与 K-NN 分类相结合，设计了一种新的证据 K-NN 分类器。然后针对目标样本数据缺失且类别数目未知的识别问题，又提出了一种基于证据推理的自适应聚类算法。随机给定各分类对象的初始置信度和类别数目，通过所设计的证据 K 近邻分类器对目标数据类别属性和类别数目进行迭代更新， 实现目标数据的完全自适应聚类。通过仿真和真实数据集实验，将新算法与目前聚类识别中应用最为广泛的 FCM 进行了对比分析，结果显示新算法能够有效提高目标数据的识别正确率。     

基于差分调制的编码协作方案

通常的编码协作采用相干检测方式,要求精确的信道估计,从而增加了系统实现复杂度。考虑采用非相干检测,提出了一种基于差分调制的编码协作方案,并分析了该方案下系统协作与非协作的误码率性能,并在目的端引入CRC校验方法进一步提高用户上行信道不对称时的系统性能。仿真表明:进行协作后系统可以达到完全分集。当源端用户比协作用户上行信道信噪比高时,提出的方案可使系统性能改善0.2~1.2 dB。     

杀伤链动态重构中的互操作性浅析

针对美军马赛克战中杀伤链/网动态重构中的互操作性问题,对互操作性的概念包括互操作性定义、技术互操作性框架和互操作性等级模型等进行了阐述,并对可动态重构杀伤链的分布式结构、其互操作性内涵以及其非传统互操作性——松散耦合器及其范例实现等进行了分析, 旨在解读杀伤链/网动态重构中的互操作性内在机理,加深对美军马赛克战概念中杀伤链/网的动态重构的理解。     

基于反馈的非均衡X-Z信道量子LDPC译码

针对量子LDPC码,以前期所提出的反馈式和积译码算法(FSPA)为基础,考虑其在非均衡X-Z信道下的译码方法,并分析其相应的性能表现。研究表明在该信道模型下的反馈式策略依然可以借由错误图样对比,译码失败校验子的错误方式,以及信道特征分析,更加有效地调整信息节点上的概率分布,从而大幅提高和积译码器的译码能力。最后,通过实例仿真验证了上述结论。     

多平台防空作战任务规划技术研究

针对多平台防空作战任务规划过度依赖指挥员作战经验,信息洪流下指挥员脑力负荷过大导致任务规划合理性和时效性降低等问题,研究多平台防空作战任务规划技术。通过对防空任务分解,设计作战任务框架结构模型,根据规划组成分析结果,构建多平台防空配置规划、协同探测规划、通信组网规划和打击规划等模型,自动生成规划方案,提高任务规划的科学性和合理性,为形成快速作战决策能力提供支撑。     

基于杀伤链感知的动态可重构作战体系结构

本文根据马赛克战条件下分布式作战的特点，提出一种基于杀伤链感知的动态可重构作战体系结构理论和方法，分析了动态可重构计算理论适用性，杀伤链算子粒度，马赛克块与杀伤链类等问题，采用范畴论、集合论、超图和可重构计算理论等方法，描述了杀伤链感知算法模型和算子匹配体系结构映射变换算法模型等，最后通过实例验证了算法模型的适用性和可行性。     

跨域作战要素协同中的联合行动控制概念浅析

本文针对美军提出的联合全域作战概念,对其关键环节"跨域协同"在OODA循环中的具体实施——跨域作战要素协同中的联合行动控制进行了定义,并对联合行动控制的对象、层次和目标,联合行动控制的方法、效能等进行了分析,旨在创新性地解读联合全域作战中跨域作战要素协同的联合行动控制内在机理,尝试将杀伤链/网动态重构与作战要素协同理论...