猛禽狗斗东南亚

<正>2014年6月6日,6架美国空军的F-22"猛禽"战斗机抵达马来西亚皇家空军巴特沃斯基地,参加2014年"对抗台风"空战演习。这是F-22战斗机首次参加东南亚国家联合军演。此次演习中,美国与马空军的苏-30战斗机合作,进行空中对抗训练等多项演习科目。参加此次演习的除上述机型外,还有美空军的F-15、F/A-18D,马空军的米格-29等飞机,图为F-22和F-15在马来西亚槟城上空"狗斗",F-22被F-15咬尾时释放曳光弹的瞬间。     

国外空间对抗装备技术的发展途径与趋势

空间已成为事关国家安全和利益的战略“制高点”。主要航天国家围绕控制“制高点”,采取不同策略发展空间对抗能力。国外已具备有限的空间对抗实战能力,但是空间对抗装备在世界范围内总体上仍处于技术发展阶段。空间对抗装备技术将在与导弹攻防对抗、网络攻防对抗技术的交叉与叠加中演进升级。预计2030年前后,国外将形成一个比较全面、完整和成熟的空间对抗装备体系。     

征稿简则

1.《航天电子对抗》由中国航天科工集团主管、中国航天科工集团8511研究所主办,主要报道与导弹武器系统、空间系统相关的雷达、制导、通讯、导航、C4ISR等电子设备和系统总体的电子、光电及信息攻防对抗技术。来稿应切合本刊报道内容,具备科学性、创新性和逻辑性,要求论点明确、结构严谨、论据可靠、     

失效卫星姿态接管的并行学习合作博弈控制

针对多颗微小卫星合作接管失效卫星姿态运动的问题,研究了考虑微小卫星控制约束的多星合作博弈策略学习与协同控制方法。首先,建立了微小卫星合作博弈模型,给出了能够处理微小卫星控制约束的多星合作博弈帕累托最优策略显式表达式。其次,针对微小卫星合作博弈策略学习需求,通过过去与当前时刻数据的并行使用,设计了基于并行学习的策略迭代方法,该方法放松了神经网络（NN）权值矢量学习对持续激励条件的要求。给出了为确保神经网络权值矢量估值收敛,所使用的过去时刻数据所需满足的条件,并通过Lyapunov方法分析了神经网络权值矢量估计误差的一致最终有界性。之后,采用并行学习策略迭代方法进行了微小卫星合作博弈帕累托最优策略数值解的逼近。所获得的合作博弈策略具有反馈控制形式,在进行神经网络权值矢量学习后,各微小卫星能够通过合作博弈策略的独立计算实现失效卫星姿态运动接管过程中的闭环协同控制。所设计方法避免了传统姿态控制方法所需进行的力矩分配,消除了微小卫星数量对其控制计算复杂度的影响。最后,通过数值仿真对所设计方法的有效性进行了验证。     

多飞行器突防打击一体化微分对策制导律设计

针对多进攻弹突防弹群拦截再打击目标的交战场景,提出了一种可应用于对手信息不完全情况下的微分对策制导方法。建立多飞行器交战的线性化模型,并依据不同对抗组进行模型降阶。引入时间算子统一所有分组的终端时间,基于二人零和微分理论给出制导律。利用扩展卡尔曼滤波(EKF)实现对拦截弹和目标的状态估计,并将估计应用于所提制导律。在对手状态信息已知时,仿真突防脱靶量大于5 m,拦截脱靶量小于0.1 m。而在只给定粗糙有噪声观测的不完全信息下,滤波器对拦截弹与目标的状态估计误差可接受,仿真结果依然保持相近的脱靶精度。仿真结果表明,所提制导律能有效导引进攻弹规避拦截,并准确打击目标。      

地基卫星通信对抗系统效能二级模糊综合评估

文章主要针对地基卫星通信对抗系统,利用二级模糊综合评判方法计算系统效能。首先,根据其组成和使用方法,建立系统效能的指标体系;然后运用模糊综合评判法,建立二级模糊综合评估模型;最后运用模型,进行示例计算。     

基于混合战略均衡双寡头航空公司定价博弈研究

利用产品差异化理论和博弈理论,建立了双寡头航空公司市场竞争定价的不完全信息静态博弈模型,假定双方经营相同航线、选择相同机型、面临相同旅客,而在产品价格和服务水平方面存在差异性,在文献【1】中证明了这种博弈不存在纯策略均衡,按照纳什均衡解存在性理论,对混合战略均衡进行求证,得出结论：双方价格和服务水平的大小关系一致时,其市场份额和期望利润的关系与之相同;双方两因素关系随机变化时,其市场份额及期望利润同其变化程度有关,即结果不确定。     

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。     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。     

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。