XiaoMi-AI文件搜索系统
World File Search System水面舰艇
水面舰艇的光电系统 - Ultra Group
EOTS/FCS 客户端应用程序提供“HMI 引擎”，允许从多功能控制台控制系统，并通过可在任何控制台硬件上运行的用户界面 (UI) 图形应用程序可视化视频。UI 通过软件 API 与 EOTS/FCS 客户端通信。此 UI 独立于系统的功能逻辑，使其能够由 CMS 供应商或其他第三方轻松进行专门调整，以为其运行的环境提供相同的外观和感觉。
水面舰艇的光电系统 - Ultra Group
EOTS/FCS 客户端应用程序提供“HMI 引擎”，允许从多功能控制台控制系统，并通过可在任何控制台硬件上运行的用户界面 (UI) 图形应用程序可视化视频。UI 通过软件 API 与 EOTS/FCS 客户端通信。此 UI 独立于系统的功能逻辑，使其能够由 CMS 供应商或其他第三方轻松进行专门调整，以为其运行的环境提供相同的外观和感觉。
水面舰艇的光电系统 - Ultra Group
EOTS/FCS 客户端应用程序提供“HMI 引擎”，允许从多功能控制台控制系统，并通过可在任何控制台硬件上运行的用户界面 (UI) 图形应用程序可视化视频。UI 通过软件 API 与 EOTS/FCS 客户端通信。此 UI 独立于系统的功能逻辑，使其能够由 CMS 供应商或其他第三方轻松进行专门调整，以为其运行的环境提供相同的外观和感觉。
水面舰艇的电光系统 - Ultra Group
EOTS/FCS 客户端应用程序提供“HMI 引擎”，允许从多功能控制台控制系统，并通过可在任何控制台硬件上运行的用户界面 (UI) 图形应用程序可视化视频。UI 通过软件 API 与 EOTS/FCS 客户端通信。此 UI 独立于系统的功能逻辑，使其能够由 CMS 供应商或其他第三方轻松进行专门调整，以为其运行的环境提供相同的外观和感觉。
水面舰艇的光电系统 - Ultra Group
EOTS/FCS 客户端应用程序提供“HMI 引擎”，允许从多功能控制台控制系统，并通过可在任何控制台硬件上运行的用户界面 (UI) 图形应用程序可视化视频。UI 通过软件 API 与 EOTS/FCS 客户端通信。此 UI 独立于系统的功能逻辑，使其能够由 CMS 供应商或其他第三方轻松进行专门调整，以为其运行的环境提供相同的外观和感觉。
声纳浮标处理声学系统 SPAS 为战术任务系统和声学传感器操作员提供基于部署的被动和主动声纳浮标获取的声学信号的分析来检测、分类、定位和跟踪潜艇和水面舰艇的方法。
- SPAS 处理特殊用途声纳浮标、模拟声纳浮标（被动和主动）和新型数字声纳浮标。 - 声学性能预测计算，提供射线追踪和最大检测范围（MDR 和 PDR）。 - 通过窄带分析、宽带分析、瞬态、恶魔、双恶魔、扫描带分析和交互式 ACINT 数据库进行检测和接触分类。 - 以不同格式显示的声学信息：ALI、LFI、BFI、ARI、DRI、BRI。 - 与部署的声纳浮标相关的战术信息显示在地理图上，允许使用定位辅助工具： - 被动声纳浮标的能量图 - 主动声纳浮标的多静态图 - 手动交叉固定、LOFIX、HYFIX、CPA 和 Lloyd 镜像工具。 - 自动交叉固定、卡尔曼滤波器、TMA 和 DOP-CPA 工具。 - 根据威胁过滤器自动本地接触警报。 - CSG 和 CFS 命令发射。 - 海量数字存储设备，用于记录任务数据和信号以供飞行后分析。
声纳浮标处理声学系统 SPAS 为战术任务系统和声学传感器操作员提供手段，通过分析部署的被动和主动声纳浮标获取的声学信号，对潜艇和水面舰艇进行检测、分类、定位和跟踪。
- SPAS 处理特殊用途声纳浮标、模拟声纳浮标（被动和主动）和新型数字声纳浮标。- 声学性能预测计算，提供射线追踪和最大检测范围（MDR 和 PDR）。- 通过窄带分析、宽带分析、瞬态、恶魔、双恶魔、扫描带分析和交互式 ACINT 数据库进行检测和接触分类。- 以不同格式显示的声学信息：ALI、LFI、BFI、ARI、DRI、BRI。- 与部署的声纳浮标相关的战术信息显示在地理图上，允许使用定位辅助工具： - 被动声纳浮标的能量图 - 主动声纳浮标的多静态图 - 手动交叉固定、LOFIX、HYFIX、CPA 和 Lloyd 镜像工具。- 自动交叉定位、卡尔曼滤波器、TMA 和 DOP-CPA 工具。- 根据威胁过滤器自动发出本地接触警报。- CSG 和 CFS 命令发射。- 大型数字存储设备，允许记录任务数据和信号，用于飞行后分析。
海上自主水面舰艇 - ePrints Soton
摘要 人们对海上自主水面舰艇 (MASS) 的兴趣日益增加，因为人们预测它们可以提高安全性、性能和操作能力。然而，它们的引入与人类操作员面临的许多持久的人为因素挑战（例如，监控自动化系统的困难）有关，而他们在岸边控制中心的“远程性”加剧了问题。本文旨在利用感知周期模型 (PCM) 的理论基础研究无人驾驶车辆操作员的潜在决策过程。选择了无人机 (UAV) 事故案例研究，因为它与通过地面控制中心操作 MASS 有相似之处。开发了两个 PCM；一个用于演示实际发生的事情，另一个用于演示应该发生的事情。通过比较这些模型，可以发现操作员的态势感知、明确定义的操作员角色、培训和界面设计对于从远程控制中心进行决策非常重要。