无人作战分队的不确定性作战任务建模

现代战争战场形势复杂多变,若忽略任务的不确定性带来的影响,则可能导致生成的作战任务在实际战场中无法准确执行,针对此问题,在结合IDEF0和IDEF3建模方法的基础上,考虑了任务的不确定性因素,加入了概率学的理论,依此建立了无人作战分队的不确定性任务模型。分析了任务之间的联系,给出了相应的图元映射表。对IDEF0和IDEF3的建模方法作了阐述。最后对一个无人作战分队攻占主要夺控点的不确定性作战任务进行了建模,验证了该方法的有效性。     

一种提高应用层组播转发速率的机制

针对应用层组播报文转发的特点,提出了一种能够提高应用层组播转发速率的新机制.该机制降低了应用层组播报文从主机内存到网卡缓冲区之间数据复制的次数,节省了CPU处理开销.理论分析表明该机制能够降低应用层组播延迟和提高应用层组播转发速率.实验验证了该机制的可行性与有效性.     

面向战场信息分发的应用层可靠组播策略

应用层组播是一种实现网络中心战环境下一对多战场信息分发的有效途径,在对网络中心战环境下应用层组播研究面临的各类问题进行分析的基础上,重点对组播可靠性问题进行了研究,提出了一种可靠组播策略,通过反压技术和备份缓存的方式来保证端对端传送的可靠性,对组播树的错误恢复算法进行了设计.并提供了一种随机路由的辅助策略来改善可靠组播传送的效率,从而满足战场信息分发的高效和高可靠性需求.     

C3I系统中的态势关联技术

态势关联是在态势估计前必须解决的一个问题,即要将不同时刻的态势数据进行关联,得到各个时刻态势数据中描述的目标间的关系.对时间间隔比较长的态势数据的关联,研究了一种基于模糊推理的态势关联方法,综合考虑了目标属性信息和状态信息、战场环境信息、指挥人员的态势预估计知识,通过推理得到关联的结果.     

认知无线Mesh网络中资源节约的最小信道冲突值组播路由算法

认知无线Mesh网络中满足服务质量约束的多目标优化组播路由问题比单目标优化组播问题更加复杂,为了快速求解认知无线Mesh网络中满足服务质量约束的、以最小化资源消耗与最小化信道冲突值为目标的多目标优化组播路由问题,提出一种基于粒子群优化算法的问题求解框架,包括问题描述、粒子编码与粒子初始化、适应度函数、粒子飞行、粒子变异、粒子消环。粒子由表示节点之间连接关系的带权邻接矩阵表示,重新定义了用于粒子飞行的3种运算规则以及粒子飞行运算和粒子变异运算。仿真结果表明提出的算法能达到预定目标,资源消耗较低且能获得较低的信道冲突值。     

不确定性推理方法研究

对3种最常用的不确定性推理方法进行了分析和评述:概率推理、D-S证据推理和模糊推理。分别针对不同类型的不确定性。概率推理针对的是"事件发生与否不确定"这样的不确定性。D-S证据推理针对的是"分不清"或"不知道"这样的不确定性。模糊推理则是针对概念内涵或外延不清晰这样的不确定性。概率推理的理论体系是严密的,但其推理结果有赖可信的先验概率和条件概率。D-S证据推理是不可信的,但在一定条件下可以转化为概率推理问题来处理。模糊推理是一种很有发展潜力的推理方法,主要问题是推理规则需要具体设计,且设计好坏决定推理结果。     

创新民兵应急分队编组模式

着眼遂行多样化军事任务需要,可将民兵应急分队分为＂三种类型＂进行建设：一是＂常备型＂。多样化军事行动具有很强的突发性和不确定性,时间紧、节奏快、任务重，应在重点地区依托地方党政和事业单位以及有条件的大型企业、商贸城组建“常备型”民兵应急分队，     

多输出模型确认中的混合矩指标

在不确定性条件下,同时考虑到多维输出之间的相关关系和单输出的均值,构建由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合单点位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。     

基于混合矩的多输出模型确认指标研究

针对随机不确定性条件下多输出计算模型与物理实验数据之间一致性难以量化度量这一问题,本文提出一组新的基于混合矩的多输出模型确认指标。在不确定情况下,同时考虑到多维输出之间的相关关系和单输出的均值,构建了由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合固定位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,并与PIT和t-pooling 面积指标进行对比,结果表明本文所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。     

云模型在雷达干扰资源多目标优化配置中的应用

鉴于干扰效果/效益评估在雷达干扰资源优化分配中的重要地位,提出了一种基于云模型和匈牙利算法的雷达干扰资源优化分配模型。利用一维云模型单条件单规则发生器和逆向云发生器构建了评估指标干扰效果推理器,利用基于风险态度因子的云模型映射函数定义了云模型之间距离的度量方法。提出了一种基于云模型与逼近理想解法的雷达干扰效益矩阵求解方法,最后运用匈牙利算法实现了干扰资源优化分配。将所建模型应用到干扰资源分配中,结果表明该模型能够较好的处理评估中的不确定性知识,是合理、可行的。