近海威胁目标威胁度评估与无人艇兵力分配

针对近海防御战中威胁目标规模小、速度快、灵活性强的特点,为提高无人水面艇编队御敌的作战效能,及动态适应战场态势的复杂变化,提出近海威胁目标威胁度评估模型和无人艇调度分配方案.建立威胁度影响要素框架,设计各影响要素的效用函数,通过熵权法和TOPSIS算法得出威胁目标的威胁度,并对蚁群算法中的信息蒸发系数进行改进,基于威胁...     

VFD滤波器的导航信道模拟器动态时延模拟方法

针对卫星导航信道模拟器信号仿真中,传统伪距多普勒模拟方法瞬时控制精度差、滤波器资源占用较大的不足,提出了基于拉格朗日插值延迟滤波器及Farrow结构实现的伪距多普勒模拟方法。在分析信道模拟器系统架构的基础上,建立了多普勒模拟方法的模型,包括延时计算模块和可变延迟滤波器两部分。与多速率采样数字延迟滤波器方法比较,该方法滤波器系数个数约为后者的0.2%,并且改变时延特性时,仅需更新1个参数。信道模拟器实测数据结果表明使用该方法伪码多普勒模拟精度可以达到0.1mHz。     

基于遗传算法的反导拦截弹助推段自动驾驶仪的设计

针对反导拦截弹助推段一般不进行大机动飞行、弹道相对平直的特点,基于小扰动线性化方程,设计了由阻尼回路、攻角回路和过载回路组成的三回路自动驾驶仪。在理想弹道计算的基础上选取特征点,在每个特征点处将弹体简化为二阶环节来近似。针对待优化参数多、且处于不同控制回路的特点,采用遗传算法对控制器参数进行优化。仿真结果证明所设计的控制器能够很好地跟踪指令信号。     

造纸企业芦苇堆场火灾事故诱因及预防措施

针对近几年造纸企业原料（芦苇）堆场火灾事故日益攀升的问题,从芦苇堆垛的湿度、通风、布置、温度监测手段以及外来火源控制等方面阐述了其与芦苇堆场火灾事故间的关联,并在此基础上探讨了有效预防芦苇堆场火灾事故的措施,期望为造纸企业与消防部门就芦苇堆场火灾事故的防范与控制提供参考。     

防空通信系统性能评价及抗毁性分析

分析了防空通信系统的组织结构和对抗特点,利用性能评价过程代数描述防空通信系统的状态演化,提出一种防空通信系统抗毁特性分析方法。通过具体案例,对通信系统的组织结构、抗击软硬杀伤的能力进行建模和仿真验证。实验结果表明,该方法适用于防空通信系统的建模与分析,能够实现对防空通信系统的结构进行对抗过程的建模;通信系统的不同要素对抗毁性能的影响不同,可以采取有效策略以提高防空通信系统的抗毁能力。     

舰船编队组网作战数据分析平台的设计与实现

舰艇编队网络化作战是基于网络中心战理论形成的未来海战的主要方式。在未来舰船编队防空网络化作战的大应用背景上,提出了一套能够对舰船编队网络作战过程记录数据进行分析和处理的数据分析平台设计方法。该平台能够自动化的读取舰船编队作战记录数据,对网络化作战过程进行提取和解析,对目标指示、目标融合等组网作战功能进行分析,并将分析结果以适当的形式呈现,供设计师及作战部队对网络化作战性能流程和功能的分析和验证,能够快速有效的通过分析记录数据查找和解决问题。     

LEO卫星网络路径选择策略

路由算法在选择路径时,主要考虑传输延迟和跳数这两个因素,分别选取最短延迟路径(Least Delay Path,LDP)或最少跳数路径(Least Hops Path,LHP)。在卫星网络中,基于LHP选径策略实现更加简单,但其应用在LEO卫星网络中合理性的研究成果不多。对极轨道LEO卫星网络中,LDP和LHP之间关系进行详细地理论分析,验证了LHP选径策略的合理性。并在此基础上,提出一种基于横向传输优先级(Horizontal Transmitting Priority,HTP)的LHP最短路径选择策略,利用横向链路长短特性简化路径决策流程。通过仿真,该方法能够快速寻找到最短LHP路径,为LEO卫星网络路由算法提供一定的研究基础。     

高超声速乘波飞行器三维流场的并行数值模拟

针对高超声速乘波飞行器三维绕流流场,在基于LINUX+MPI系统的分布式并行计算平台上,并行求解了三维雷诺平均的N-S方程。并行数值方法采用的是有限体积方法(FVM)、OC-TVD差分格式、B-L代数湍流模型及流场分区的并行方法。计算结果表明,所采用的并行数值模拟方法能够求解包含强激波的流场,激波穿越区域边界时无断层、错位等通量不守恒的现象。并行计算效率高,8个处理机计算时的并行加速比达到了6 8。     

连续求解样本协方差矩阵迹的快速递推算法

为解决当样本数据不断增加时,利用传统方法反复计算样本协方差迹耗时多的缺点,提出了一种快速递推算法。理论分析和仿真试验都表明,算法的时间复杂度比传统的方法降低了一个数量级,从而大大减少了计算时间。     

含噪稀疏信号重构的l0范数期望值最小化方法

压缩感知理论是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对测量值受噪声污染的含噪稀疏重构问题,提出了近似l0范数期望值最小化方法。该算法基本思想是将含噪稀疏重构问题转化为近似l0范数期望值最小化问题,并利用噪声的统计特征将随机最优化问题化简为常规的最优化问题,然后采用最速下降法求解。数值仿真表明,本文提出的方法具有更好的重构精度,且计算量较小。