俄罗斯陆军转型发展动向

俄格冲突结束一年多以来,俄罗斯当局明显加快了陆军转型的步伐,出台了很多政策和改革措施。2009年．俄军费增长20％,裁军计划比原先整整提前4年,架子部队将全部被裁撤,陆军编制师改旅正如火如荼地展开,陆军兵种结构进一步优化,武器装备更新的范围和速度明显提高。     

具时变扰动动态的多变量控制系统性能评价

针对具有两种时变扰动动态--突变扰动和线性时变扰动的多变量控制系统性能评价方法进行研究.两种扰动的不同动态特性决定了要采取不同的评价方法.突变扰动的情况,利用Olaleye和Xu整体优化SISO过程的思想建立MIMO的实用MV基准;线性时变扰动的情况,将关联矩阵引入视系统为LTV过程,提出一套针对LTV扰动建立时变MIMO MV基准的系统化算法和过程.理论和仿真研究表明所提出的方法能正确和有效的评价具有时变扰动的多变量系统.     

基于k短路径的兵力机动路线优化方法

由于传统Dijkstra算法只能求解最优路径,结合兵力机动路线选择的需要,将求解k短路径的实用算法引入到兵力机动路线优化问题中,给出了算法的数据结构和步骤。在道路权重的确定上,提出将路程、通行能力和安全性三项指标相结合的思想,并给出了综合权重的计算方法。仿真实验表明所提方法具有较强的实用性。     

图论最短路径问题在消防选址中的应用

最短路径问题是图论解决的典型实际问题之一,可用来解决管路铺设、线路安装、厂区布局和设备更新等实际问题。介绍了图论最短路径问题及其算法,并应用图论最短路径问题的分析方法,解决城市消防站的选址问题。     

基于格的公钥密码体制研究

基于格（Lattice）的公钥密码体制是继RSA、ECC之后提出的新型公钥密码体制之一,它包括NTRU体制、Ajtai—Dwork体制、GGH体制等。这些体制的安全性基于求最短格向量困难问题（SVP）、求最近格向量因难问题（CVP）等,并且已经证明,这些体制能够抗量子计算攻击。研讨了对格困难问题及格公钥的相互关系,并展望了格困难问题及格公钥的研究方向。     

基于线对线突然短路的同步电机瞬态参数辨识

准确地辨识同步电机参数,是分析电力系统运行和控制系统设计的前提.利用最小二乘或卡尔曼滤波等方法辨识电机三相同时突然短路试验数据,是传统电机参数辨识的主要方式.受同步电机三相同时突然短路的可操作性和电机参数模型的强非线性等因素的影响,电机瞬态参数难以准确测量.利用改进的小波变换和人工神经元网络辨识参数的新方法,结合容易实现的同步电机线对线突然短路试验,辨识得到了三相同步电机的瞬态参数,有效提高了电机参数的辨识精度.仿真试验表明,该方法是有效的.     

基于XML的海军作战仿真想定设计方法

作战仿真想定是军事仿真系统的重要组成部分,为仿真系统的运行提供了初始态势和作战任务。目前在仿真想定中存在的主要问题是对想定描述的格式和手段不统一,生成的仿真想定可读性和可移植性不好,影响了仿真系统的真实性和可信度。以海军装备应用研究系统为背景,着眼于海军作战仿真想定生成系统的标准化,通过分析海军作战想定描述的层次结构,针对XML技术在数据表达方面的特点和应用,探讨了使用XML表示标准的作战想定开发方法,以潜艇破交任务为例介绍了海军作战想定的设计方法。     

反馈干扰系统的自校正控制方法

为实现系统跟踪期望输出及系统未知参数的在线闭环辨识,针对带反馈干扰的未知参数系统,结合最小方差控制算法和增广最小二乘法设计了自校正调节器。首先通过对反馈通道干扰的分析,给出了系统的等效模型;其次,按系统输出最小方差的原理设计了控制器,实现了系统跟踪期望输出;第三,运用增广最小二乘法对系统参数的辨识,给出未知参数的无偏一致估计,实现了参数的在线闭环辨识。通过对未知参数的辨识,用所辨识的参数计算调节器的参数,完成对控制律的修改,实现了系统跟踪期望输出和参数的在线闭环辨识。最后,利用该方法对实例进行了仿真研究。仿真结果表明:所提方法简单可行。     

一种基于HLA分布式仿真系统的动态负载平衡算法

基于兴趣域的"快递式"动态负载平衡算法从HLA/RTI提供的服务出发,当节点成为重载节点时,将节点部分负载转移到兴趣域内的轻载节点上,同时采用两次"握手"方式解决了负载迁移过程中出现的问题.通过使用两个评价参数--CPU占有率和内存使用率进行实验证明,负载平衡前后重载节点的CPU利用率和内存使用率有明显差别,结果表明该方法能有效地平衡系统各节点之间的负载,保证系统的实时性,提高系统的服务质量.     

基于节点选择更新的简化LDPC译码算法

文中通过分析信息在短环中传递的特性,提出了一种基于节点选择更新的简化LDPC译码算法。该算法可以通过在一定程度上避免短环对译码的影响来降低译码运算复杂度。仿真结果表明对于二元以及多元LDPC码,该算法相对于BP算法只有少量性能损失。