认知电子战架构设计及关键技术研究

随着电子装备技术的飞速发展,战场电磁环境的复杂性不断增加,这对更有效地指挥电子装备进行作战提出了巨大挑战。文章针对复杂电磁环境下现代电子战威胁,深入研究认知电子战的概念和技术,分析人工智能技术对认知电子战的重要性,讨论了各国电子战研究现状,重点研究认知电子战中机器学习、电子干扰、态势感知和动态频谱管理等关键技术,提出了一种智能化认知电子战框架,在分析电子战案例的基础上,验证了该框架对电子战系统发展的可行性,有效地提高作战效能和更好地应对多变战场环境,为未来认知电子战的发展提供了深刻的理论基础。

基于视频内容的QoE评价模型

提出一种基于视频内容的QoE评价模型.该模型除获取包头信息编码比特率和丢包率外,还从视频载荷信息中获取帧类型、宏块类型、运动矢量等信息,利用运动矢量和帧内编码宏块比例来代表视频的内容运动特性,将其与编码比特率和丢包率结合起来分别建立编码失真模型和传输失真模型并联合构建出基于视频内容的QoE评价模型.实验结果表明,该模型计算得到的客观评价分数与主观测试MOS分数的皮尔森相关性系数为0.964 4,均方根误差为0.349 0,该模型能够准确评价不同内容的网络视频QoE,具有良好的性能.

基于最优航线规划的想定制作设计与实现

飞行航路的想定制作在战勤人员培训、雷达情报处理软件开发、功能测试等方面都具有重要作用。文章设计的想定制作能够提供多种飞行航路编辑的手段。操作人员可提前设置战术信息库,编辑战术飞行动作。编辑航路时可以手动地在地图上选取航路点,或采用数据库中的战术飞行动作,也可将手动选取航路点与战术飞行动作的选取相结合。在最优飞行航路计算时,提出基于二叉树分割搜索和剪枝的最优航线规划方法,该方法考虑了飞行器的转弯过程,在操作人员仅输入部分转弯信息下,对航线进行分割和回溯处理,利用二叉树搜索和剪枝方法启发式的遍历所有可行航线,并提取当前输入信息下所能得到的最优航线,从而解决传统航线规划方法计算量大、耗时长的问题。

基于复杂场景的反无人机作战模拟训练系统设计

伴随着无人机数量的增长,中小型无人机越来越多地被应用于犯罪、恐怖袭击和军事打击等方面。尤其在冲突不断的中东地区,无人机作战已成为了新兴的袭扰手段。为了应对无人机袭扰,许多国家已经开始研制和部署反无人机系统。但是,无人机目标不同于以往的防空目标,具备"低小慢"的特征,反无人机的打击手段和作战流程也不同于现有的防空系统。如何快速有效地学习使用反无人机系统势必成为新系统部署之后的重点。为此,本文综合多方面因素的考虑,给出了针对反无人机作战的模拟训练系统设计方案,包括目标模型建立、传感器模型建立和武器模型建立,以及复杂场景的设计等。此模拟训练系统的设计将有效提升用户对反无人机系统的使用熟练度,并缩短系统使用的培训时间,削减培训开销。

多智能体系统拓扑切换和非线性动力学下的自适应编队控制

本文研究多智能体系统拓扑切换和非线性动力学下的编队控制问题。对于一阶系统,提出了一种基于自适应策略的分布式编队控制算法。基于Lyapunov稳定性理论和非光滑分析,证明跟随者渐近跟踪领导者,并给出了一些充分条件。最后,通过数值仿真分析证明所提出算法的有效性。