恶劣气象条件对无人机飞行航迹的威胁评估

分析了影响无人机飞行的恶劣气象条件的特征和特性,建立了恶劣气象条件的模型;确定了各种恶劣气象条件的威胁因子和威胁度,通过定量分析和采用模糊决策算法对综合威胁评估模型进行了计算,得到了综合威胁权重指数;利用实例对评估模型进行了验证。结果表明,该模型能客观反映恶劣气象条件对无人机的威胁程度,可依此判断无人机航迹的优劣。     

防空作战威胁环境及伪装技术

科索沃和伊拉克战争的实践表明:在高科技条件下的局部战争中,对重点军事目标实施大规模空袭已成为进攻一方的首选作战样式。而军事伪装不但可以降低侦察监视系统的发现和识别概率,还可以降低精确制导武器的命中概率。在分析防空作战威胁环境的基础上,提出了伪装器材在防空作战中的任务,介绍了适合重要军事目标的伪装器材和技术,这些器材和技术可提高重要军事目标的生存能力。     

防空态势评估系统分析及新型评估模型研究

态势评估是一个时敏、不确定的动态过程。为了正确评估态势、深刻认识评估过程,首先详尽分析了评估所需的18项威胁因子及其作用原理,利用高斯函数将数据模糊化并给出复杂威胁因子的贝叶斯推理模型。在此基础上提出一个优势互补的二级态势评估模型:远方目标未知信息较多时,依照关联规则假设重要未知信息,预测目标的威胁程度;信息完备时使用贝叶斯网络推理,具有更强的可信度。最后,实例仿真验证了该评估模型的正确性及合理性。     

复杂作战环境下空中目标威胁程度评估

对敌空中目标威胁程度评估是一个多因素综合评判问题。文章在建立了来袭空中目标威胁程度指标体系的基础上,综合利用改进的模糊层次分析法和集对分析法建立了评估模型,对复杂作战环境下的空中目标威胁程度进行了评估,仿真实例表明此模型可行。     

卫星面临的威胁及其防护

随着空间技术的发展,卫星在现代战争中的作用越来越突出,卫星系统的攻防对抗应运而生.分析了在未来空间战中卫星面临的主要威胁,阐述了卫星系统防护的思路:立足于体系对抗,提高空间态势感知能力、卫星自身防护能力、空间进攻威慑能力,技术防护和战术防护相结合,着眼于卫星系统信息资源流动的全程安全,对薄弱环节重点加强防护.     

美海军采办ALR-67（V）3威胁告警器

美海军与Raytheon公司的电子战系统商业部签订了一份3690万美元的合同,用于为F/A-18E飞机采办30套ALR-67(V)3雷达告警接收机。这30套告警接收机预计将于2007年10月开始交付,2008年9月交付完毕。ALR-67(V)3自1998年开始生产,至今已经被订购了300多套。该系统可能还要再生产几年。Raytheon公司和海军正在寻求国外军事贸易客户,如澳大利亚、马来西亚和科威特。ALR-67(V)3也是EA-18G飞机自我防护成套设备的组成部分。美海军采办ALR-67(V)3威胁告警器@立平…     

雷声公司进行多导弹威胁红外跟踪试验

2011年11月2日,雷声公司在夏威夷考艾岛导弹靶场进行了多导弹威胁红外跟踪试验,利用机载红外(ABIR)平台搭载的"多光谱瞄准系统-B"光电红外传感器对多枚弹道导弹目标进行了跟踪演示实验。此次试验中,"多光谱瞄准系统-B"中的4部传感器成功跟踪了多枚导弹目标,对目标信息进行了采集并将其传送至机载处理器进行了事后分析。机载处理器     

基于CRITIC-TOPSIS的动态辐射源威胁评估

为解决传统辐射源威胁评估方法与空战动态态势联系不紧密的问题,提高评估准确度,提出泊松分布逆形式与逼近理想解排序（TOPSIS）方法相结合的算法,并引入指标相关性的权重确定（CRITIC）方法分配属性权重,构建基于CRITIC-TOPSIS的动态辐射源威胁评估模型。针对传统方法仅依靠当前侦收数据,未体现空战态势动态变化的不足,采用泊松分布逆形式融合多个时刻的辐射源数据信息,实现动态评估;针对传统TOPSIS方法依赖主观赋值的问题,CRITIC方法综合考虑单个指标内部和多个指标之间的关联性,能完整描述属性信息并客观分配属性权重。仿真结果表明,相较于传统静态评估模型,所提模型对于威胁度不同的辐射源区分度更大,评估准确性和可靠性更高。      

基于TOPSIS的导弹威胁评估方法研究

在研究战术弹道导弹威胁评估诸因素的基础上,分析了多属性决策方法的机理,提出了利用逼近理想解的排序法理论对战术弹道导弹威胁程度进行评估。文中给出了数学建模的方法、步骤,并针对具体事例进行了计算和分析,所得的结果合理、符合实际,证明了这种评估算法对战术弹道导弹威胁评估的可行性。     

基于PCA-MPSO-ELM的空战目标威胁评估

目标威胁评估是空战对抗过程中的关键环节。由于影响空战目标威胁评估的因素复杂多样，且指标之间存在相关性，导致传统的评估算法无法得到准确客观的评估结果。由此，提出了一种基于主成分分析法和改进粒子群算法优化的极限学习机（PCA-MPSO-ELM）的目标威胁评估算法。首先，综合分析了影响目标威胁程度的指标，利用主成分分析法对原始评估指标进行线性变化处理得到综合变量，消除了评估指标之间的相关性，实现了对评估数据的降维；在此基础上，构建ELM神经网络并利用改进的粒子群算法优化极限学习机的输入权值和阈值，提高了目标威胁评估模型的精度。最后，在空战训练测量仪中选取空战对抗数据，利用威胁指数法构造了目标威胁评估样本数据，通过仿真实验分析了PCA-MPSO-ELM算法的精度和实时性，结果表明所提算法可以快速准确地进行空战目标威胁评估。