常态执勤指挥模型关键节点识别及抗毁性研究

在常态执勤指挥模型的基础上,重点对树状指挥网络和级联指挥网络的抗毁性进行研究。通过建模仿真的方法,对三种执勤指挥模型进行随机攻击和蓄意攻击,对比分析最大连通子图规模、网络效率和全局聚集系数等指标,找出抗毁性最强的常态执勤指挥网络模型。应用集体影响力算法识别抗毁性能最好的指挥网络的关键节点,与基于节点度大小的传统关键节点识别方法进行对比,证明基于集体影响力算法识别关键节点更加准确,目的是为未来常规执勤指挥网络的优化和防护提供理论指导。     

基于加权网络模型的指挥节点重要度评估方法

指挥节点重要度评估是研究指挥网络可靠性和抗毁性的重要内容。通过定义加权网络节点重要度贡献矩阵,提出了一种利用节点重要度评价矩阵确定加权网络关键节点的相对重要度的方法,该方法能充分考虑节点的位置信息、邻接节点的重要度贡献关系;结合作战任务对社区的依赖度,设计了节点全局重要度评估算法,并利用该算法对典型网络节点重要度进行了分析,结果表明算法有效、可行。     

基于接近度与评价矩阵的关键机场节点识别

针对目前关键节点识别方法单一、难以适应航空网络的特点,提出了一种基于接近度与重要度评价矩阵的识别算法。利用改进的接近度算法反映节点在网络中的位置信息,考虑网络边权即航线流量,构建重要度评价矩阵,最后进行计算得到节点重要度排序结果。在建立我国航空网络模型的基础上通过实验得出:北、上、广以及位于网络几何中心且流量较大的西安等机场为关键节点。排序结果表明该算法能有效结合我国航空网络实际特点,准确地反映各个机场节点的重要性程度。     

空面攻防对抗指挥控制系统的节点网络复杂度

分析了网络中心战环境下空面攻防对抗作战系统的结构组成,给出了指挥控制系统的节点网络图构建方法与指挥控制系统节点网络复杂度的计算方法,研究了节点网络复杂性与节点间的协作性对指挥控制系统延时的影响,研究了考虑指挥控制系统延时情况下的作战效能,并进行了相应的仿真计算与分析.结果表明在网络中心战环境下,空面攻防对抗作战指挥控制系统网络节点的复杂性与节点间的协作性对系统延时和作战效能具有较大的影响.研究结果可以为空面攻防对抗作战系统的作战节点配置提供理论决策依据.     

指挥控制网络中节点安全性重要度评估方法

针对现有评估方法无法全面反映指挥控制网络节点重要度的问题,提出了一种综合考虑网络机密性、完整性和可用性的节点重要度评估方法.考虑设备处理能力、存储容量和信道带宽,构建了指挥控制网络的加权网络模型;给出了基于层次分析法的节点安全性重要度综合评估方法;综合考虑攻击者利用被攻陷节点对网络机密性、完整性和可用性的破坏,基于重要性等价于破坏性的思想,引入拓扑势理论,分别提出了节点机密性、完整性和可用性重要度评估方法.最后,通过实例分析证明了该方法的有效性.     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

移动通信网络位置群体节点的挖掘方法

对移动通信网络的位置群体节点进行了优化定位和挖掘,优化移动通信网络的覆盖度和可靠度,传统的位置群体节点挖掘算法采用信息度增益控制挖掘算法,算法不能自主感知节点信息数据的变化,无法实现数据信息的实时传递和决策。提出基于位置群体节点信息融合和滤波控制的移动通信网络位置群体节点的挖掘方法。构建移动通信网络节点的分布模型和信道模型,采用多径信道均衡设计实现位置群体节点信息融合,采用自适应滤波控制方法实现对通信节点挖掘的干扰抑制。仿真结果表明,采用该方法进行通信节点挖掘,信标定位准确,信号的覆盖度较合理,实现了信道空间的合理高效利用,实现了信道均衡和干扰抑制,有效降低了通信的误比特率。     

面向网络中心战的指挥信息系统网络结构评估

为评估网络中心战模式下指挥信息系统网络结构对作战体系的影响,在FINC(Force,Intelligence,Networking and C2(Command and Control))模型基础上,提出了指挥信息系统网络结构定量分析方法,结合图论和集合论对该方法进行了数学描述,采用效率表征FINC模型的信息流和协调系数,引入信息融合处理影响,扩展了面向网络的核心网节点,然后构建了指挥信息系统网络结构分析与评估框架。通过传统和网络化指挥信息系统部署示例分析表明:网络化指挥信息系统具有的优势主要体现在改善指挥控制的效率,且作战体系越复杂,网络化指挥信息系统较传统方式优势越明显。示例还验证了该方法的有效性。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

从网络信息科技的发展看指挥与控制学科的使命

从网络信息科技全局发展的角度论述指挥与控制学科的作用及其在信息时代的重要地位,具体介绍了指挥与控制科学的时代发展对军事、科技、社会影响和面临的挑战,针对我国特点提出了指挥与控制学科建设的若干建议.     

基于自适应小波正交基神经网络的参数辨识

提出了一种基于小波正交基神经网络的非线性在线辨识方法.小波变换具有良好的收敛速度和逼近精度,神经网络具有强大的非线性映射能力、自学习、自适应等优势,采用正交基小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数和神经网络的优点;制导航弹数字仿真结果表明, 该方法对含噪声数据进行处理效果好,能很好地满足非线性在线辨识的需求.     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题，提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息，建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列，获得基于残差序列的传感器偏置故障和漂移故障的辨识策略，实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象，仿真结果表明该方法不仅可以提高单一神经网络的运算精度，而且采用RBF神经网络集成方式还要优于其他集成方式，可以快速准确地检测和分离传感器故障，辨识传感器故障类型、故障大小以及故障发生的时间。     

典型指控网络小世界特性仿真研究

分析了小世界网络国内外现状,诠释了指控网络仿真中需要重点考虑的因素和评价指标,并基于VRNETDeveloper对典型指控网络的组网方案和仿真主流程进行设计。通过仿真实验,验证了指控网络在传输指控信息、协同信息和态势信息时的小世界特性,为指控网络顶层设计和基于网络指挥的战术战法研究提供了基础数据和理论参考。     

基于RBF神经网络和定性趋势分析的传感器故障诊断

针对传感器偏置故障及漂移故障,提出了一种基于RBF神经网络和定性趋势分析的传感器故障诊断方法.该方法充分利用控制系统闭环回路测控信息,建立RBF神经网络预测器,通过将RBF神经网络的预测输出值与传感器实际输出相比较获取残差序列,根据残差首先判断传感器是否发生故障,然后用定性趋势分析方法获得传感器偏置故障和漂移故障的辨识...     

基于感知信息共享的C2网络特征分析

指挥控制（C2，Commandand Control）关系网络连接数的增加会增强指控节点之间的信息共享，但也会增加节点信息处理和交换负荷，如果达到一定程度，则会造成节点本身的“信息过载”从而影响C2网络性能。对此，通过研究C2网络在两种不同处理方式下的共享感知信息平均提交时间，用网络节点响应时间的均方差表征一个C2网络的共享态势感知时间的一致性，最后对两种不同结构C2网络特征参数的计算，说明了网络连接增加会导致信息提交时间的延长，但一致性会增强。     

基于监测数据的电磁频谱地图构建与验证

提出基于广义回归神经网络拟合和聚类克里金的构建方法,通过趋势面拟合,将电磁频谱地图构建分解为路径衰减和阴影衰落分量的估计问题,以提升构建精度;设计监测数据聚类和自适应最优邻域选取机制,在保证构建精度的条件下减小计算数据量,以提升构建速度,从而利用数量有限的电磁环境监测数据,在不需要先验信息的条件下实现电磁频谱地图的准确、快速构建。设计并实现电磁频谱地图验证系统,搭建车载数据采集设备,利用实测电磁环境监测数据,验证所提方法的可行性及构建性能。     

小生境粒子群支持向量机的网络故障诊断

针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。     

基于优先权的分布式网络设备智能轮询策略研究

针对大型网络其地域分布广,监测对象较多,监测周期过长,实时性较差且管理流量负载较大等问题,提出一种分布式网络设备智能轮询策略。在域内,针对轮询周期调整问题,通过构造体现管理者意志的评判矩阵和求解反映数据特征的DFT(离散傅立叶变换)确定轮询优先级和轮询周期取值范围,提出了基于变化率的轮询周期调整算法;在域间,通过触发和查询实现对特殊事件的采集。最后进行了仿真,表明该策略能够在减轻网络负载的同时,准确刻画网络的状态。     

基于感知信息共享的C2网络特征分析*

指挥控制(C2,Command and Control)关系网络连接数的增加会增强指控节点之间的信息共享,但也会增加节点信息处理和交换负荷,如果达到一定程度,则会造成节点本身的"信息过载"从而影响C2网络性能.对此,通过研究C2网络在两种不同处理方式下的共享感知信息平均提交时间,用网络节点响应时间的均方差表征一个C2网络的共享态势感知时间的一致性,最后对两种不同结构C2网络特征参数的计算,说明了网络连接增加会导致信息提交时间的延长,但一致性会增强.