软件无线电中的算法设计方法

用软件来实现无线电台的功能时,如何把描述电台功能的数学模型转换成可以用计算机实现的算法是非常重要的一步。本文介绍了一些计算机算法设计的基本特点,并以滤波算法为例,讨论了软件无线电台中的数值型算法的特点。     

一种基于改进K-means算法的空间群划分方法

空间群划分是兵力分群的重要环节,其关键在于确定"距离"度量函数、分群数目和初始分群中心。传统算法的初始聚类中心和聚类数目不固定,直接用于空间群划分将使得划分结果不稳定。为此,提出了一种基于改进算法的空间群划分方法。利用了现有空间群划分方法中的距离函数改进策略计算敌方作战单元两两之间的"距离",引入一种快速搜寻高密度点的方法,确定了初始分群中心和分群数目,通过仿真实验验证了该方法的有效性。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

一种根据声衰减系数估计尾流气泡数密度谱的迭代算法

针对现有谐振估计法在实际应用中对水中气泡数密度谱的估算存在误差,从而无法得到准确的舰船气泡尾流或者海面风生气泡层的气泡数密度谱的问题,在谐振估计法的基础上提出了一种根据声衰减系数估算气泡数密度谱的迭代算法。根据模拟水中气泡分布的声衰减系数和Stanic在海水中的实测声衰减系数,对比分析了运用谐振估计法和提出的迭代算法对汽泡数密度谱的估算,结果表明:该迭代算法可有效消除谐振估计法的误差,可应用于对海面风生气泡层以及舰船尾流气泡数密度谱的研究。     

基于改进近邻传播算法的Walsh软扩频盲解扩方法

针对现代二次雷达系统通信中存在的Walsh软扩频难以盲解扩问题,借鉴常规扩频解扩方法及聚类分析,提出了一种基于近邻传播算法的Walsh软扩频盲解扩方法。该方法首先对接收信号进行采样得到目标结构数据集合,并根据统计量估计得出信号时延。然后采用改进近邻传播算法进行伪码集合估计,并得到聚类中心从而得到伪码集合。最后利用已知的Walsh码和信息码的映射关系得到信息序列,完成盲解扩问题。仿真结果表明,在白噪声条件下,可有效解决Walsh软扩频盲解扩问题,性能较同类算法均有提升并降低算法复杂度。     

基于模糊聚类——拍卖机制的火力协同方法

针对协同作战中环境影响复杂度高,火力分配不及时、效率低等问题,提出了陆战场协同任务分配方法,构建了多武器-目标任务的数学模型。在该数学模型的基础上,基于聚类算法与拍卖算法相结合的原理进行优化求解,在两级分配的模式下,可在更短的时间内获得分配方案。算例表明,所构建协同任务分配模型能够及时有效地获得任务分配方案,较好地解决了多武器-目标的协同任务分配问题。     

一种基于回旋曲线的局部路径规划方法

基于回旋曲线路径模型的局部路径规划方法,将规划算法分为离线和在线两部分。离线计算通过建立轨迹空间与栅格单元映射关系获得搜索图,以文件形式存储。在线规划以局部环境地图栅格单元占有情况为依据,获得可行轨迹空间,然后采用A*搜索算法,获得最优局部路径。仿真实验表明,在障碍稀疏环境中,所提出的方法能够规划出局部路径,且规划耗时满足实时性运行需求;参数离散化导致所提出规划方法的完备性不足,对于复杂环境可能无法规划出可行路径。     

基于K-Means聚类算法的空中态势威胁挖掘

战场环境复杂多样,各种探测手段层出不穷,空中威胁属性指标种类繁多,增大了指挥员对空中态势威胁分析难度。正确、快速地对空中态势进行威胁分析,将给战场部署提供有效的决策依据。建立基于K-Means聚类算法的空中目标威胁等级聚类模型,通过对空中目标威胁属性特征的数据进行分析,对威胁目标聚类进行深度挖掘,将目标威胁等级问题转化为最优聚类问题。实例分析表明该算法在对威胁目标等级聚类中有效,提高了目标威胁等级聚类的可靠性、精确性。     

时变平坦衰落SIMO信道中的信噪比盲估计

针对恒包络信号在时变平坦衰落单输入多输出(SIMO)信道下的信噪比盲估计问题,提出一种基于EM(Expectation-Maximization)算法的改进M2M4-EM算法。利用EM算法的迭代期望值最大化思想,推导了SIMO信道下EM算法的闭式解。为进一步改善性能,通过接收信号的二阶和四阶矩(M2M4)对EM算法进行初始化。仿真结果表明,M2M4-EM算法在较宽的信噪比范围内具有较好的估计精度和较快的收敛速度。