构建一体化联合作战指挥信息系统

现代战争的趋势是一体化联合作战。要实现一体化联合作战,就必须依赖于一体化联合作战指挥信息系统。良好的一体化联合作战指挥信息系统是信息化战争的倍增器。研究如何构建一体化联合作战指挥信息系统则是我军当前建设中的重中之重。从一体化联合作战指挥信息系统的战争需求、构建原则及基本对策等几方面进行了论述。     

一款汽车燃油蒸发测试仪的动态特性研究与实验分析

汽车燃油蒸发测试仪,是为了适应汽油车在线动态检测需要而研发设计的专用精密仪器。它采用注入一定的正压或负压的压降法,国产全志T3芯片机电一体化设计,仪器响应快速、准确,自动化程度高。其零点漂移、稳定性、可靠性、重复性都符合国家标准GB18285-2018的相关要求,它为汽车燃油蒸发排放的检测提供了重要手段。     

天地一体化信息网络应用需求和模式的研究方法探讨

为更好地发挥需求的牵引作用,文中在总结现有国内外应用需求和模式研究方法的基础上,分析了我国该领域发展存在的问题,结合天地一体化信息网络重大项目的推进实施,探讨了天地一体化信息网络应用需求和模式研究的内容和方法,并以海外用户通联保障场景为例,分析了典型用户需求及应用模式,为推进天地一体化信息网络重大项目应用需求和模式研究...     

S8PSK-LFM雷达通信一体化波形设计

鉴于现实环境中人们对电磁频谱需求的不断增加,提高雷达频谱效率和设计雷达通信一体化波形的兴趣变得日益浓厚.为了提高常规线性频率调制(Linear Frequency Modulation,LFM)-连续相位调制(Continuous Phase Modulation,CPM)的频谱效率,提出了一种改进的雷达和通信一体化波...     

基于深度强化学习的可见光定位通信一体化功率分配研究

为了实现定位通信一体化功率分配,提出了一种基于深度强化学习的可见光定位通信（VLPC）一体化系统的功率分配方案。首先,提出了定位通信一体化帧结构设计;其次,利用定位信息实现了信道状态信息的估计,并推导了定位误差的克拉美罗下界（CRLB）;再次,阐明了定位精度和通信速率的内在耦合关系;最后,提出了基于深度确定性策略梯度的VLPC动态功率分配方案。仿真结果表明,所提方案可同时实现高精度定位和高速通信。     

电信运营商纵向一体化的经济学分析

阐述了我国电信服务业的纵向链条,以经济学的视角分析了电信运营商执行纵向一体化战略的动因．讨论了电信运营商纵向一体化的边界问题,最后提出我国电信运营商执行渐变一体化和战略联盟的建议。     

一种基于贪心算法的雷达网通信资源调度策略

针对组网雷达探测通信一体化的需求,从适应组网雷达通信拓扑时变和时间资源动态优化角度出发,提出了一种基于贪心算法的雷达组网通信资源调度策略.该方法建立了一种基于雷达时分通信的矩阵拓扑模型,用于实现通信节点应答冲突的预判与规避,同时根据通信矩阵拓扑特征,以最大时间资源节省为目标构建了贪心策略,获得了优化的时间资源调度方案....     

面向物联网应用的6G技术

在物联网（Internet of Things,IoT）快速发展和5G已经规模化的商业部署的背景下,在不久的将来,5G的技术指标将无法完全满足大规模IoT的应用需求。而6G技术由于其具备高传输、低时延等出色的性能指标,受到了学术界和工业界的广泛关注。因此,为了促使IoT网络能够更好地发展,基于IoT网络的应用需求,研究了面向IoT应用的6G相关候选技术,其中主要介绍了边缘智能、海陆空天一体化通信以及区块链技术3项关键技术。     

OFDM雷达通信一体化的同频干扰抑制技术

雷达通信一体化系统（Integrated Radar and Communication System,IRCS）可提升设备的可用性、可靠性和电磁兼容性,已成为雷达和通信交叉领域的研究热点。正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）具有高信息传输性能,且其模糊函数具有低旁瓣特性,在IRCS中得到广泛关注。在OFDM-IRCS中,组网时同频干扰严重影响雷达探测性能。针对这一问题,从信干比（Signal to Interference Ratio,SIR）分析了IRCS同频干扰特性,推导了回波信号SIR的表达式。然后,结合OFDM中交织多址（Interleave Division Multiple Access,IDMA）和干扰重构的思想,提出了基于OFDM-IDMA的IRCS同频干扰抑制算法。所提算法通过不同的交织方式区分不同IRCS节点的信号,同时利用基于干扰重构的干扰消除算法实现干扰抑制。仿真结果表明,所提算法有效地抑制了IRCS同频干扰,实现了同频干扰环境下雷达目标探测性能提升。     

空天地海一体化海洋环境数据多步预测

辅助海洋管理决策的多步预测预警意义重大且极具挑战性。实时、稳定、高效的广域海洋环境数据获取是保障多步预测性能的前提,未来6G空天地海一体化网络部署将有效地提升海洋分布式态势感知能力,提供高质量的数据支撑。众所周知,多步长模式下数据间的时序依赖性被极大地弱化,对此,本文提出了基于多阶段特征学习的海洋环境数据多步预测模型。结构上,该模型主要包括卷积神经网络（Convolutional Neural Networks,CNN）、优化组合的长短期记忆网络（Long Short-Term Memory Network,LSTM）和全连接层。这里,CNN用于提取海洋环境数据的细粒度特征,而基于粒子群优化的多LSTM组合方法,可以有效地挖掘数据间的时序依赖关系（粗粒度特征）。实验结果表明该模型的预测性能明显优于CNN、LSTM以及门控制循环单元,并进行了统计验证。