干扰抑制类生成式对抗网络

为进一步改善超低频频段的通信质量,在传统改进广义旁瓣抵消算法的基础上,提出新的超低频干扰抑制算法——生成式旁瓣抵消算法。该算法将人工智能研究热点之一的生成式对抗网络模型引入广义旁瓣抵消算法中,通过优化设计生成模型的网络结构及相关超参数,有效地解决了原算法存在的期望信号残留问题,为旁瓣抵消通道中的后级滤波算法提供了与主通道相关性更强的干扰参考信息,从而提高了算法对主通道干扰估计的准确性。为了验证优化后生成模型的有效性以及所提算法对不同类别干扰的抑制能力,在实验室环境下搭建实验平台,设计了多组对照实验。实验结果表明:优化后的生成模型具有较好的生成能力、较好的鲁棒性以及相对较低的运算复杂度;相比于传统改进的广义旁瓣抵消算法,所提算法进一步提高了信号带宽内的信干噪比。     

基于防空反导的战术级通用态势图分析研究

针对不同战场角色、作战任务、作战规模、战场级别、关键事件环境等情境因素中,指挥员无法准确而迅速地获取需要的信息等问题,在战术级指控系统与当前防空反导发展趋势的基础上,集中详细地阐述了通用态势图。在战场态势预测分析的基础上,进一步介绍了其关键技术,并通过仿真数据进行了验证。在帮助指挥员深入认知战场态势上提供了辅助,从而减少了冗余态势信息对指挥员的干扰,缩短了整个决策环的时间。     

防空反导智能战场态势估计研究

在军事科技理论面临着巨大变革的背景下,为解决防空反导战场态势估计智能化发展的问题,通过对态势估计的三层模型进行分析以及对防空反导态势的要素构成进行探讨,研究了OODA环中防空反导态势估计的过程,建立了防空反导智能战场态势估计的系统模型,深入地探讨了阻碍防空反导智能化战场态势估计研究的五方面问题以及有望解决问题的关键技术措施,从而为防空反导智能战场态势估计研究提供了新思路。     

无人机协同下远程火箭炮作战能力评估

分析了无人机协同远程火箭炮作战的实施方法、作战过程以及对抗条件,在此基础上,构建了无人机协同下远程火箭炮作战能力评估指标体系,并阐述了指标值的标准化方法。采用幂指数和层次分析法(AHP)相结合构建模型,通过分析计算结果进而得出评估结论,对类似作战能力评估问题研究和解决部队作战训练实际运用问题有一定参考意义。     

舰船自然腐蚀时腐蚀相关电场场源等效方法研究

为解决舰船腐蚀相关电场场源等效问题,从产生机理出发,根据实际舰船结构、海洋环境等条件,提出了舰船自然腐蚀时腐蚀相关电场场源的具体等效方法。该方法的基本场源为沿一定方向放置的异种金属对,并按一定方法将其等效为电偶极子或电流线。在实验室条件下,模拟海洋环境和舰船自然腐蚀时的基本场源,对该场源等效方法的正确性进行验证,验证过程中特别考虑到水域周边岸壁边界的影响。结果表明:所提出的场源等效方法是正确的,可用于对舰船自然腐蚀时水下腐蚀相关电场的分布特点进行预估,也可为舰船水下电场的其他应用提供理论依据。     

感应式磁性天线设计及干扰抑制算法研究

当期望信号和干扰同方向时,为了有效改善超低频频段的通信质量,提出了一种基于模拟电路预处理和改进广义旁瓣抵消的干扰抑制算法,设计了磁性天线、低噪声前置放大电路,制作了灵敏度较高的磁传感器,有效地抑制了工频及其谐波干扰。鉴于超低频频段的信号十分微弱,在广义旁瓣抵消算法的基础上做了几点改进,为主通道提供较多的参考信息,从而提高了算法的性能,有效地解决了传统算法失效的问题。为了验证所提算法的有效性,在实验室环境下搭建实验平台,设计了多组对照实验,实验结果表明:无论期望信号与干扰是否同方向,改进后的广义旁瓣抵消算法相比原来的算法,在信噪比的提升和噪声底限的降低等方面均有较大程度的改善。     

船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器

为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。     

应用Isight的复合材料桁架结构优化设计

轻质复合材料及其结构以其优异的力学性能在航天航空飞行器上得到了广泛应用。考察玻璃纤维/环氧复合材料方形截面桁架在典型弯曲载荷工况条件下的非线性结构承载性能。采用Isight集成平台对桁架结构进行多参数优化设计,获得满足结构刚度和承载性能要求的最轻质桁架结构的几何参数,并分析最优化结构在载荷作用下的结构非线性响应行为。结果表明采用Isight平台对桁架结构进行多参数优化设计具有较高的效率和可信度。     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。