多阶段任务系统可靠性并联冗余优化模型

多阶段任务系统是一类普遍存在的复杂系统,研究其可靠性冗余优化对于该类系统设计具有重要的参考价值。针对多阶段任务系统的可靠性并联冗余优化问题,提出了采用冗余故障树和冗余BDD来描述系统冗余结构的方法。给出了冗余模块在多阶段任务系统中的可靠度计算方法,建立了整个冗余多阶段任务系统可靠度计算模型。在此基础上以费用最小为目标,构建多阶段任务系统可靠性冗余优化模型,并应用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。     

基于CRNN的汽车发动机声纹个体识别方法

为提高声纹个体识别率,提出了一种基于卷积神经网络(CNN)和深度循环神经网络(RNN)的声纹个体识别方案CRNN,用于发动机声纹个体识别.该方法通过优化CRNN网络参数,挖掘声谱图"纹路"特征和时序特征,解决现有方法不能充分利用声音信号特征的问题.基于实采汽车发动机声音信号的仿真结果表明,相对于传统方法,改进CRNN能获得更高识别率,达到了98.75％.     

基于深度学习的防空武器红外目标识别技术应用研究

针对防空武器的作战使用需求,提出了一种基于深度学习的防空武器红外目标识别流程,通过大视场进行目标检测,小视场进行目标跟踪识别.在目标检测阶段,采用YOLO网络模型实现全图多目标识别定位;在目标跟踪阶段,采用超分辨率重建算法提升目标局部图像分辨率,利用深度残差网络模型实现跟踪目标的识别分类.试验结果表明,基于深度学习的空...     

电子对抗对空侦察雷达阵地配置优化研究

针对电子对抗对空侦察雷达阵地优化配置问题,通过分析雷达站的侦察范围与定位条件,提出双机定位和三机定位的最优配置模式,分别建立双机定位和三机定位的最优站距、定位纵深、配置间隔、阵地高度等相关参数的计算模型。通过对电子对抗对空侦察雷达阵地优化配置问题进行实例计算,表明模型实用、有效。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。     

多功能复杂信号侦察可配置计算模型

复杂信号侦察处理是多功能数字阵列雷达(MFDAR)的重要组成部分,可以服务于MFDAR的雷达与通信信号侦察以及电子战等多种用途,其中信号侦察的实时性与功能的灵活适应性是MFDAR的关键。在详细研究MFDAR信号侦察处理特点基础上,提出了两阶段可配置的信号处理流程,构建了基于混合结构的宽带信号侦察可配置计算模型BSRRCM。BSRRCM对"非确定、非单向"的信号流进行了描述,利用"固化典型流程、设置有限配置点"的思想,BSRRCM将应用分解成可完全重配置的典型处理流程和可局部重配置的功能任务序列,快速映射到合适的计算平台上,在确保信号处理实时性前提下使系统获得了动态的灵活配置能力与可扩展性。     

基于满意度的多阶段任务系统可靠性冗余优化模型

冗余技术是提高多阶段任务系统可靠性的有效方法,目前对多阶段任务系统可靠性冗余优化研究甚少。分析了静态多阶段任务系统的特征和可靠性计算模型;构建了可靠度、体积、质量和价格的满意度函数并确定各个满意度函数的影响因子;建立了基于综合满意度函数的静态多阶段任务系统可靠性冗余模型,并利用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。     

舰船总体任务成功性的建模与应用

针对典型舰船的系统组成,进行了全舰任务成功性指标的示例计算,给出了总体指标的层次化表达方式。以舰船任务过程和典型任务剖面为依据,分析了任务可靠性和任务成功性之间的区别与联系,建立了舰船总体任务成功性指标的多阶段整体模型,并对航渡、待机、交战、撤离、返航阶段分别进行了仿真和解析建模。在建模与计算的基础上,通过敏感性分析计算了任务阶段持续时间的单位降低率等指标,为舰船任务成功性问题及其相关研究,提供了一个系统性的分析框架和方法。     

基于贝叶斯网络的装备损伤定位系统研究

分析了贝叶斯网络在装备损伤定位方面的优势，及其损伤定位的方法与流程，建立了用于装备损伤定位的贝叶斯网络模型，并开发了损伤定位系统。以某型火炮为例，演示了其损伤定位的一般过程，验证了贝叶斯网络在装备损伤定位中应用的可行性与有效性。     

基于深度卷积网络的雷达辐射源信号识别

针对当前复杂电磁环境下雷达辐射源信号(radar emitter signal,RES)识别效率不够的问题,提出一种基于深度卷积网络和时频二维特征结构的雷达辐射源信号识别方法。结合雷达辐射源信号时频二维特征结构特性,构造基于深度卷积网络的RES识别分类模型,通过设计样本集训练分类模型,利用类别信息实现网络参数精调。仿真结果验证了模型的可行性和有效性,实现了低信噪比下RES时频二维特征的结构学习和准确识别。     

复杂作战任务弹药配备模型

多阶段任务系统(PMS)是一种典型的复杂系统,它包括多个在时间上连续且无相互重叠的基本任务,武器系统的作战过程多数属于这种复杂系统.以某作战单元的一次作战任务流程为例,详细地讨论了多阶段复杂任务系统的特点,并从基本任务阶段的系统可信性、可用度的角度出发,分析了在满足给定火力指标的前提下,建立整个复杂作战任务流程中弹药配备模型的方法.     

基于RSSI线性回归分析的无线传感器网络定位方法

在无线传感器网络（WSN）定位应用中,针对接收信号强度指示（RSSI）容易受到环境的影响不能实现准确测距的问题,提出了一种基于RSSI线性回归分析的定位方法。该方法通过信号衰减模型和线性回归理论相结合,修正实际环境下每个锚节点的测距模型,同时利用相关系数和剩余标准差对测距模型进行评估,制定出更加合理的定位策略。实验表明,采用修正的测距模型和新的定位策略,使得节点定位精度明显提高。     

多阶段任务系统可靠性分析的ROBDD算法

针对Markov方法分析多阶段任务系统(Phased-Mission System,PMS)可靠性时的状态空间爆炸问题,基于层次化建模思想,建立了PMS任务可靠性的顶层系统二维决策图(Binary Decision Diagram,BDD)模型和底层部件Markov模型。通过分析BDD中的同构节点和冗余节点,提出顶层模型构造过程中的同构节点合并策略和冗余节点删除策略。利用上述节点压缩策略生成简化模型,提高模型构造和存储效率。基于PMS部件排序规则,给出了层次化模型的递归求解方法,该方法的计算复杂度与顶层模型中的节点总数呈线性关系。通过算例分析,对比采用节点压缩策略前后的模型节点数,以及层次化方法与Markov方法的计算结果,验证了简化层次模型的正确性和有效性。     

考虑设备性能退化的船用热力系统多阶段任务可靠性

设备的性能总是随着工作时间的增加而退化,但退化的速度是随机的,含有性能退化设备的热力系统在特定的使用阶段上,能否定成预定任务,对设备使用和维修管理决策至关重要。在船舶蒸汽动力系统中,设备本身性能储备、冗余和互备的工作方式以及多样化的设备特征参数,导致按照传统的可靠性计算方法直接解算系统的多阶段任务可靠度十分困难。为此,以朗肯循环的典型设备所构成的热力系统为例,基于设备性能退化模型和朗肯循环的热力模型,采用Monte Carlo仿真方法分析了典型系统的多阶段任务可靠度。研究表明:该方法能够解决具有设备性能退化特点的复杂热力系统的任务可靠性分析问题。     

基于盲分离的非合作信号定位技术

无源定位是电子战系统的一个重要组成部分,基于非合作信号(如广播、电视信号)的定位技术相比传统的无源定位具有很大的优势,但该定位方法目前还存在一些技术问题.为此,提出采用基于典范相关分析的盲分离方法,来完成对强直达波环境下反射波的分离、提取和延迟时间的计算,再结合方位估计,就可将这种定位问题转换为时差-方位定位.用这种方法可获取优良的定位性能,实现起来也相对容易,同时计算量少.仿真试验结果表明,该方法能有效地解决这种新颖定位技术的相关问题,并为其工程实现打下基础.     

大肠杆菌转录起始位点的计算定位方法

根据已有的启动子识别算法,提出了一种基于滑动窗口的大肠杆菌转录起始位点(TSS)计算定位方法,通过在启动子信号特征中引入复合模式来改进识别分类器,并将其用于滑动窗口序列,在合理限定的TSS定位范围内依次计算各个序列位置的TSS似然得分,再利用TSS与翻译起始位点(TLS)的距离分布信息作为TSS的位置得分,两者相结合来进行位置预测。对大肠杆菌真实数据的测试表明,算法可以大幅度减少假阳性结果,实现对真实TSS位置的有效预测。     

基于本体的两阶段任务空间概念模型开发方法

任务空间概念模型是独立于实现的、真实世界中的军事活动以及相关要素的描述,是军事世界的第一层抽象,任务空间概念模型建模是军事系统开发中的重要内容。分析了任务空间概念模型研究现状和存在的问题,探讨了任务空间的特征,提出并建立了基于本体的两阶段任务空间概念模型开发方法。基于本体的两阶段方法能有效地促进模型的重用性、可信性,并有利于实现仿真系统的互操作,具有重要的研究和应用价值。     

云模型和特征辐射源信息的平台目标识别

平台目标识别一般分为两个步骤,首先是对平台上辐射源的识别,然后通过辐射源和平台的关联进行平台识别.在辐射源识别阶段提出利用云模型描述和处理参数存在区间模糊和观测具有噪声的数据,较好地解决了对于带有复杂调制信号的辐射源识别问题.在平台识别阶段,就辐射源和平台关联的各种结果给出了新的计算样本和模板间匹配度的方法,并且提出利用平台的特征辐射源信息对平台识别结果进行进一步的筛选,以提高识别率.最后用仿真验证了该方法的有效性.     

GPS动态定位与H_∞滤波算法

GPS动态定位的数据处理中通常应用基于"当前"加速度模型的卡尔曼滤波,而实际测量定位中难以保证卡尔曼滤波要求的动态模型(函数模型)和随机模型可靠和切合实际;另一方面,GPS信号易受干扰,因而容易出现观测误差.针对GPS动态定位的这一问题,探讨了在实际应用中存在模型误差和观测误差时的H∞滤波,与卡尔曼滤波相比,原理易于理解,在实际中也很容易实现, 减少了计算量且提高了滤波精度.     

基于通用黑板模型的IMSE网络中心节点识别

运用通用黑板理论和D-S证据理论探索IMSE网络中心节点识别问题。构建了基于通用黑板框架的IMSE网络中心节点识别模型,讨论了该模型体系的体系结构和实现方法,对该模型的工作流程进行了详细论述。给出了一种基于D-S证据理论的高效识别规则。该系统中专家系统直接给出了基本概率赋值,减少了计算繁琐程度,从而可大大减轻目标识别系统的压力。最后通过仿真结果具体分析了模型的工作情况。