近程防空武器网络化跟踪系统

研究多探测器航迹滤波与互联新技术与新方法,把数据融合的基本理论和计算机网络技术应用于近程防空武器的跟踪系统中,得到了近程防空武器网络化跟踪系统的框架.应用数据融合和计算机网络技术可以提高近程防空武器的使用效率.     

基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．     

基于CC253O的烟雾传感器节点设计与实现

随着社会发展对消防安全的要求越来越高,实时地采集传输监测数据变得至关重要Ⅲ。本文针对现存的烟雾传感器节点可靠性差、准确率低、电路复杂,不易组网,并且在很多特定区域无法安装等问题,提出了基于CC2530的烟雾监测节点设计方案,并完成了以CC2530射频芯片为核心的烟雾传感器节点的硬、软件设计。实验测试证明,该节点满足无线消防监测系统的需要,具有高可靠性、低功耗以及低成本的特点,有着较好的应用前景。     

节点非独立失效下的局域网可靠性建模与分析

以具有层次结构的局域网作为拓扑模型,考虑共因失效和关联失效这2类节点非独立失效事件发生的情况,建立了交换机节点失效模型来模拟交换机失效,利用Monte-Carlo仿真算法近似计算出网络的两端可靠性,研究2种共因失效事件和3种关联失效事件对网络端端可靠性的影响。结果表明:因资源节点出现故障和协议层出现错误而导致交换机失效的共因失效事件均会降低网络可靠性,且资源节点失效概率或协议层失效概率越大,网络可靠性越低;而由于使用了热备份技术、堆叠技术以及发生广播风暴导致的关联失效事件,即使节点独立失效概率很小,只要相关因数足够大,故障都会快速传播,导致网络可靠性迅速下降。     

目标识别中的传感器管理方法

基于假设检验的方法,研究了目标识别中的传感器管理方法。分别以用于假设检验问题中的最大后验概率、最小代价函数和最大正确检测概率为目标函数,给出了用于目标识别问题的多传感器管理方法,并针对目标识别问题的特点,对其进行了相应的改进。通过对一定场景的仿真,比较了三种不同方法的识别正确率和平均采样次数,分析了各种方法的特点。     

无线传感器网络中基于有限反馈的协同MISO传输方案

为解决无线传感器网络中节点能量受限,文中提出一种基于有限反馈的协同M ISO传输方案,此方案通过接收端反馈给簇头节点的信道增益比值来调整簇头节点和协同节点的发射功率。通过联合优化传输速率和协同节点数,使得网络总能耗最小。分析和仿真结果表明,此方案能有效降低网络的总能耗。     

基于贝叶斯模型的装备剩余寿命预测研究

为了解决武器装备日益复杂及维修工作日趋繁重的问题,运用贝叶斯模型预测装备修理后的剩余寿命,为合理安排其修理计划提供依据。替代传统的指数分布,用威布尔分布描述系统寿命特征,并运用极大似然方法和贝叶斯方法估计威布尔分布的两个未知参数,给出其置信区间。在此基础上,对先验样本和后验样本两种不同情况,分别运用贝叶斯模型预测装备修理后的剩余寿命,并给出实例。结果表明了该方法的有效性。     

基于BP神经化贝叶斯网络的空袭目标毁伤效果评估

针对空袭目标毁伤因素的复杂多样性,以及贝叶斯网络在评估时对先验知识获取和对网络节点限制方面存在的不足,提出一种BP神经化贝叶斯网络的评估方法,解决空袭目标的毁伤问题。分析了空袭目标毁伤的影响因素,并进行了知识表示;分析了贝叶斯网络结构处理多个父节点问题时存在的几个缺陷,建立了空袭目标毁伤评估的BP神经化网络结构,给出了"BP神经化模块"的决策方法。通过实例分析,结合Netica仿真,验证了该评估方法的准确性,操作简单、有效性好。     

认知无线电专题讲座(四) 第8讲 下一代网络:认知网络

认知网络是一种具有认知能力和认知过程的网络,它能够感知网络当前的状况,并根据当前的状况来计划、决定并行动。文中首先介绍了认知网络的基本概念及设计目标,然后描述了认知网络的特征和一种架构——CogNet。最后提出了认知网络的潜在应用及在今后的研究中需解决的几个主要问题。