多防线要地防空体系目标拦截能力评估

应用排队论计算目标沿某方向进袭要地的突防概率。应用插值算法，使离散的各方向目标进袭要地的突防概率形成一条近似表达突防概率关于目标进袭方向的函数曲线，得出单一防线防空火力网拦截能力的数学描述，进而得出目标进袭多条防线的突防概率。仿真实验验证了该方法的可行性。     

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。      

带有时间与探测约束的“到达-回避”博弈

针对飞行器具有运行时间约束以及所携带探测器具有有限探测范围的现实情况，在传统生命线对策问题的基础上提出了一类考虑时间约束与探测约束的新型“到达-回避”定性微分对策博弈。通过分析对策问题所有可能的中性终端集以及问题对应的哈密顿方程，给出了防御者与进攻者最优博弈策略形式。利用所得到的策略和攻防双方的约束条件，得到了原问题对应界栅的精确解，并通过数值仿真验证了界栅的正确性。所得到的界栅可将博弈空间分为攻防双方的获胜区域，并可用于快速判断博弈问题最终结果，为飞行器攻防博弈双方的策略制定提供理论依据。     

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。     

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。