美国空军先进作战管理系统演习验证情况及启示

美国空军先进作战管理系统(ABMS)可对陆、海、空、天等多域作战资源进行物联和智能管控,以支撑杀伤链快速闭环。首先,简要介绍了联合全域作战(JADO)、联合全域指挥控制(JADC2)和ABMS的关系;然后,概述了ABMS的愿景、发展历程、架构及产品组成,阐述了该系统5次演习验证的作战想定、参试装备和验证的核心能力等情况;最后,给出了该系统对我军的启示。

基于合作靶标的在轨手眼标定

针对空间站机械臂的在轨手眼标定问题,提出了一种利用合作靶标位姿求解手眼关系的方法。机械臂执行2次小幅度运动,让安装在机械臂末端的摄像机在3个不同的位置拍摄合作靶标图像;提取每幅图像中3个特征点的图像像素坐标,结合预标定的摄像机内部参数求解出与其对应的图像物理坐标;接着用P3P算法求取每幅图对应的摄像机外部参数;再根据摄像机外部参数和机械臂的2次运动参量,用矩阵重排的方法求解手眼转换矩阵。采用六自由度转台对此方法进行了验证,实验结果表明手眼标定误差小于0.05 mm,满足机械臂系统精度要求。该方法同时完成了单目位姿测量和手眼标定,操作步骤简单、计算量小、精度高。

军用无人机反制技术综述

随着军用无人机的广泛使用,无人机反制技术的必要性日益突显。首先对军用无人机的定义、分类以及不同类别无人机的主要用途、工作环境、有效载荷、优劣势等特征进行全面分析,并针对不同类别军用无人机的特性,梳理对各类军用无人机的反制需求。列举常见的无人机反制处理链,从探测和拦截两个维度出发,分别对现有不同形式无人机反制技术的原理、特性进行分析。然后,对反无人机系统的类型进行介绍。最后,总结军用无人机反制所面临的挑战。

一种空中目标威胁热力图的构建方法

常见的威胁评估算法仅仅计算目标的威胁排序,无法直观表达战场威胁态势,难以为作战决策提供有效信息支撑。针对空中目标威胁,建立了威胁因素量化模型;结合一致性排序法和排队法,提出了一种威胁因素权重计算方法;基于改进加权核密度估计方法,计算战场区域的威胁热力值矩阵;进而根据该矩阵生成战场威胁热力图。通过仿真数据对算法进行验证,结果表明算法能够直观、准确地表征空中目标威胁态势,显示效果较理想。

基于层次化雷达图的地面情报雷达组网电磁威胁评估

对地面情报雷达组网电磁威胁的准确评估,是实现空地突防自动化指挥作战的重要环节之一。设计了一种可鲜明表示不同层级指标威胁评分的层次化雷达图,构建了一套地面情报雷达组网电磁威胁评估指标体系,基于雷达图进行了目标综合电磁威胁排序。利用仿真实例对算法进行了验证,结果表明该算法合理可行,能对地面情报雷达组网进行有效电磁威胁评估。

美军无人机通信数据链浅析

通信数据链是无人机系统的重要组成部分,是连接无人航空器、地面控制系统和操作员的桥梁,为无人机在作战过程中执行侦察、监视、中继、打击等行动提供有力保障。首先介绍无人机的系统组成;然后对无人机通信链路展开多维度分析,阐述无人机的通信系统组成、通信链路分类、常用通信频段以及通信链路特点;接着分析多种美军典型无人机通信数据链的频段、性能、用途、特点和承载平台;最后总结无人机通信数据链的发展趋势。

基于FACE的可重构装备软件架构

基于装备功能软件化的发展趋势,针对装备功能快速生成、持续升级和灵活重构需求,参考美军未来机载能力环境(FACE)的架构思想,提出一种可重构装备软件架构,给出了装备软件分布式部署模式和面向任务的动态重构流程,旨在提高装备软件架构开放性和软件重用能力,提升装备系统灵活性和研制效率。

双基地ISAR高分辨距离像联合稀疏反演方法

双基地雷达是分布式雷达系统的基本构成单元,文中推导了双基地逆合成孔径雷达构型下的回波信号模型,从理论上证明了目标的高分辨距离像具有联合稀疏特性。为了解决双基地夹角使距离分辨率恶化的问题,文中提出一种基于双曲正切混合范数的联合稀疏反演算法,通过合理的参数设置可促进高分辨距离像的联合稀疏,能较好地消除双基地夹角对距离分辨率的影响,在较低信噪比的条件下获得比传统稀疏反演算法更好的反演性能。仿真结果验证了文中方法的有效性。

预警探测雷达网空中突防航路规划研究

目前空中突防主要依赖电子干扰来降低雷达探测范围提升飞机安全性。常见的A*等航路规划算法适用于雷达探测范围交叠较小情况,但对雷达(网)航迹管理逻辑考虑不足,存在对雷达网能力衡量准确度较低、对各航路段的威胁状态评价手段缺乏等问题。针对该问题,分析了预警探测雷达(网)航迹建立、航迹跟踪及航迹丢失的基本准则,建立了一种基于马尔科夫决策的航路规划模型,并提出了基于启发式搜索的航路规划求解方法。仿真表明,该方法可提升突防兵力规避雷达网航迹跟踪的能力,并能向飞行员提供各航路段的威胁警示。

空间站机械臂位姿测量中合作靶标的快速识别

空间站机械臂在完成辅助对接或者目标抓捕时,需要实时求取机械臂上的视觉传感器与目标上的合作靶标之间的位置和姿态,而其前提条件是合作靶标的快速识别。本文提出了一种合作靶标的快速识别算法。算法分为3大步骤:首先用Sobel算子和改进的非极大值抑制算法提取靶标图像的单像素边缘;然后将每条边缘分为两段,分别采用最小二乘法进行圆拟合,若两段拟合结果相似则该边缘属于圆形;最后根据圆形的大小在每个圆形周围开出一大一小两个正方形窗口,统计在两窗的补集内距离圆心较近的直线数量,若直线数量满足规定条件则认为是合作靶标。利用手眼相机、六自由度转台和合作靶标对算法进行了验证,实验结果表明该算法能在1.5m的距离内准确识别合作靶标,且不受光照条件影响。合作靶标的识别算法快速、稳定、抗干扰能力强。