基于支持向量机的抗干扰决策技术

为了应对日益复杂的电磁环境，认知雷达的概念被引入电子战中。认知电子战系统包括认知侦察、认知对抗和认知效能评估3个重要环节。针对认知电子战系统对抗干扰决策技术的需求，为实现自适应的决策抗干扰措施，将支持向量机(SVM)算法运用于抗干扰决策中。仿真结果表明:基于SVM的抗干扰决策技术可以自适应地决策抗干扰措施，进行干扰对抗，该算法完成了认知电子战中的最后的一步，使认知电子战系统实现闭环。     

一种基于攻击距离的对抗样本攻击组筛选方法

黑盒对抗样本生成过程中通常会指定1个攻击组，包括1个原始样本和1个目标样本，使得生成的对抗样本与原始样本范数差别不大，但被分类器识别为目标样本的分类。针对攻击组的攻击难度不同导致攻击不稳定的问题，以图像识别领域为例，设计了基于决策边界长度的攻击距离度量方法，为攻击组的攻击难易程度提供了度量方法。在此基础上，设计了基于攻击距离的对抗样本攻击组筛选方法，在攻击开始前就筛去难以攻击的攻击组，从而实现在不修改攻击算法的前提下，提升攻击效果。实验表明:相比于筛选前的攻击组，筛选后的攻击组的总体效果提升了42.07%，攻击效率提升了24.99%，方差降低了76.23%。利用攻击组的对抗样本生成方法在攻击前先进行攻击组筛选，可以稳定并提高攻击效果。      

基于局部敏感性的平衡场长影响因素分析

平衡场长是民用飞机设计与使用中的重要技术指标之一,其长短对民用飞机的经济性、安全性和通用性均有显著的影响,同时也是确定飞机决策速度的基础,因而,研究平衡场长具有重要意义。介绍平衡场长的概念、计算方法及它与决策速度之间的关系,列举三种敏感性分析理论;以某型民用飞机为例,研究起飞质量、机场高度、风速、温度、跑道坡度等因素对平衡场长的影响,利用上述敏感性分析方法评估不同因素对平衡场长的敏感程度。结果表明:平衡场长和决策速度随着起飞质量、机场高度、顺风风速、温度的增加而增加,随逆风风速的增加而减小;跑道坡度对平衡场长的影响几乎可以忽略;三种敏感性分析方法所得参数的正负相关性一致,五个变量对平衡场长的敏感性排序为:起飞质量风速机场高度温度跑道坡度。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。     

基于DEA/ANP方法的 声纳浮标搜潜方案决策模型

提出了在反潜巡逻机应召搜潜效能评估中,声纳浮标搜潜方案选择的新方法。首先,根据数据包络分析法(DEA)对方案进行客观性较强的横向评价。然后,由方案构建结构网络化的分析模型。根据网络层次分析法(ANP)的基本理论对模型进行优化,设计面向领域并支持ANP可视化描述与科学决策的工具,并对方案进行主观性较强的纵向比较。结合两次评价结果得到最优的结论。     

智能博弈趋势下未来空天防御体系展望

当前，军事智能化正成为继机械化、信息化之后推动新一轮军事变革的强大动力，深刻影响着未来战争的制胜机理、作战规则及战争形态。本文全面分析了智能化在未来空天防御体系的应用优势，结合国外智能化防御体系发展特点，提出了未来智能空天防御体系发展设想，梳理了空天防御体系智能化关键技术，阐述了空天防御体系智能化变革的重要意义。     

无人机自主引导跟踪与避障的近端策略优化

针对无人机地面动态目标跟踪问题，建立了远距离自主引导与近距离伴飞避障2个阶段的马尔可夫决策过程模型。在此基础上，提出了一种改进的近端策略优化（PPO）算法。考虑到无人机接收到的数据具有时序性且环境状态存在上下文关联，所提算法采用长短期记忆（LSTM）网络，通过无人机与目标的实时位置关系等状态信息来计算奖励值，更新网络参数，并进行自适应优化迭代。通过基于ROS系统的仿真测试平台进行试验，结果表明：所提算法安全有效地实现了侦察任务全过程的自主机动，与传统的PPO算法相比，LSTM的引入缩短了模型训练时间，跟踪与避障的效率明显提高，进一步加强了算法的鲁棒性、准确性和实时性。