航天武器系统对抗技术

从航天武器系统包括地基、空基和天基的各类导弹武器出发,阐述航天武器系统攻防对抗技术的重要性和复杂性。并说明了攻防对抗技术是对抗双方互相推动而快速发展的技术,作为航天武器系统的一方,应该随时跟踪研究的几个主要方面,同时归纳了航天武器系统攻防对抗技术的三个主要技术领域,即战场电磁环境信息的侦察监测技术、针对进攻方电磁攻击的电磁防御技术和实施打击时的电磁攻击突防技术。     

卫星攻防对抗初步研究

简述了卫星在现代战争中的作用 ,总结了对卫星进行跟踪监视的方法 ,对卫星攻防对抗方法进行了研究 ,介绍了部分国家卫星的卫星攻防武器     

基于粒子群优化的多导弹动态武器目标分配算法

针对复杂多变的未来战场环境,对空防御系统需要实现对多个目标进行武器分配。由于传统静态武器目标分配（Static weapon target assignment, SWTA）模型受到很多因素的限制,无法适应战场态势的快速变化。为了解决多导弹的动态武器目标分配（Dynamic weapon target assignment, DWTA）问题,将对空防御过程离散为多个阶段,并根据战场实时态势数据构建了DWTA的数学模型,提出了一种改进的粒子群优化算法,引入了武器转火时间窗等约束条件,在算法中考虑拦截概率和导弹耗费等多个指标。最后通过大量仿真实验,验证了粒子群算法进行多导弹目标分配的合理性和有效性。     

基于生成对抗网络的空间卫星低照度图像增强

针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息。首先,设计了一种密集连接的生成器,加强了各特征提取阶段中的信息传递以及多层特征的融合,减少了特征信息的损耗,更好地提取正常照度图像及低照度图像中相似的语义信息;并结合EnlightenGAN的思想,采用了全局 局部辨别器结构,使图像增强效果更自然。然后,在少量样本的条件下,利用非配对样本对该方法进行训练,并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果,进而提升低照度图像增强性能。最后,对所提出的空间卫星低照度图像增强方法进行了仿真验证。试验结果表明,在空间低照度条件下,该方法在NIQE指标上较LIME及EnlightenGAN分别降低了1.034和0.699,保留了更多的图像细节,具有更高的整体和局部亮度、更高的对比度以及更自然的增强效果。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

三体追逃攻防博弈分析与新型拦截制导律研究

研究分析了拦截弹、防卫弹和进攻弹的三体攻防博弈对抗问题。进攻弹相对拦截弹实施最优躲避,拦截弹相对进攻弹实施最优追踪,防卫弹相对于拦截弹实施最优追踪。针对不同作战场景,研究分析了拦截弹赢得三体攻防博弈的特定条件与区域。在特定场景下,拦截弹在命中进攻弹之前会被防卫弹拦截,无法仅通过应用最优追踪制导律完成攻防博弈任务。针对此场景,提出一种新型制导律,在拦截弹与防卫弹作战时间内,拦截弹相对于防卫弹执行躲避机动,同时保证相对于进攻弹的零控脱靶量最小。在对抗完成之后,拦截弹相对于进攻弹实施最优追踪制导,赢得三体攻防博弈。最后,多组仿真验证了本文分析得到的条件与结论,以及新型制导律的有效性。     

基于CGAN的避扰通信决策网络离线式训练方法

基于强化学习的避扰通信，由于需要不断地与环境交互从中学习到最优决策，其决策网络的训练时间受环境反馈速率的约束，通常耗时严重。针对这一问题，提出了一种离线式训练方法。构建出一种频谱虚拟环境生成器，可以快速生成大量的逼真合成频谱瀑布图，用于避扰通信决策网络训练。由于所提方法脱离真实环境反馈，形成离线式训练，进而显著提高模型训练效率。实验结果表明:与实时在线训练方法比较，所提离线式训练方法的训练时间可以减少50%以上。