基于相关参数的自修正飞行数据估计方法

提出了自修正的数据估计方法.用待拟合参数及相关参数组成多阶数据矩阵,利用递归神经网络对数据矩阵中缺失数据进行初次多阶拟合;利用滑动窗口,在历史数据矩阵中进行相似模式搜索,以相似度作为权重系数,对初次拟合结果进行加权修正.分析证明,该算法的最差、最好复杂度分别达到了理论最好结果.从仿真结果可以看出,自修正算法数据拟合结果误差较之单纯神经网络拟合更小,估计精度更高.     

YHFT-DX高性能DSP中Cache失效流水设计

YHFT-DX是国防科技大学自主研制的一款高性能DSP.以提升YHFI-DX的 Cache 性能为目标,研究了降低 Cache 失效延迟的优化策略,设计并实现了一种针对高频高性能DSP的一级数据Cache优化策略--失效流水.与传统优化策略相比,该策略将连续访问Cache的失效请求并进行流水化处理,使多个Cache失效延迟重叠,从而达到降低平均Cache失效代价的目的.将该策略应用到YHFT-DX芯片的一级数据Cache控制器的设计与优化中,使访问Cache失效引起的流水线停顿从8拍降为2拍,显著提升了系统性能.     

基于蒙特卡罗方法的多散射修正模型

针对现有的基于蒙特卡罗方法的非视线传输模型的不足和局限性,提出了基于蒙特卡罗方法的多散射修正模型,给出了模型的数学描述。利用坐标系变换方法,得出了光子迁移的坐标递推公式。设计了接收判断机制,给出了到达时间的计算公式。通过跟踪大量光子的随机迁移,验证了光子传输的多散射现象。绘制了接收天线功率密度曲线,模拟了脉冲展宽效应。比较结果表明,在满足单散射近似的条件下,该模型与Luett-gen单散射模型吻合较好;在不满足单散射近似条件时,该模型得出的接收功率密度大于Luettgen单散射模型的接收功率密度,分析了结果的正确性,并指出了现有模型信道零延迟的错误。理论分析表明,模型能准确反映信道的时延特性。     

基于益损分析的鱼雷战术效能的海洋环境影响评估

针对不同海洋环境中海水阻力系数和声线传播的变化特性,根据鱼雷航行及自导过程中的守恒原理,提出了一种评估海洋水文环境对鱼雷战术效能影响的新方法,并根据海洋水文环境对介质参数的影响,结合战术效能益损评价指标体系,建立了海洋环境对鱼雷战术效能影响的评估模型。通过仿真算例,对该评估方法进行了仿真实验,验证该方法的合理性和可靠性,进而发展运用于鱼雷作战使用的海洋环境影响评估和保障决策之中。     

基于数据链的组合导航技术研究

打击精度已经成为远程制导武器系统最重要的技术指标,提出了一种可以替代卫星导航的数据链导航系统,对该系统的原理、实现、抗干扰、扰侦听进行了详细介绍,分析比较了该系统与惯导和卫星导航系统的误差.最后,得出了数据链导航系统在武器装备精确制导中具有优势的结论.     

基于统计加权的单传感器数据融合算法

单传感器数据融合是十分重要的实际问题。为了提高数据处理的敏感性和精度,在研究基于关系矩阵的数据融合方法的基础上,提出了基于统计加权的数据融合方法,并对两种方法进行了对比分析。实例仿真表明,基于统计加权的数据融合方法优于基于关系矩阵的数据融合方法,该方法能减小无效测量值的范围,并且对测量值的变化更敏感。     

M&S中周期数据质量保证

数据的有效性与精确性在M&S全周期的校核、验证与确认过程中起着重要作用.从保证全生命周期的数据质量出发,说明了数据质量保证评估的体系结构,重点介绍了从数据采样到结论生成全周期中保证数据质量的基本原理和详细步骤.     

智能化计量管理信息系统设计及应用价值

针对当前军事计量管理信息系统数据类型复杂、可扩展性差和智能化程度低等问题,提出了一种基于大数据的智能化计量管理信息系统。在给出系统总体架构的基础上,介绍了系统实现的关键技术和计量大数据应用价值等内容,该系统的开发和应用,可实现军事计量业务辅助决策、测试设备健康状况分析及质量预测,对推动军事计量技术的提升与发展具有重要意义。     

大数据视角下的心理战效果评估

心理战效果评估是对心理战对敌毁伤效能的评估，是战争各方都很关注的重点领域，也一直是困扰心理战研究者的难题，有效评估心理战的效果对心理战过程形成完整闭锁回路、确定心理战实施重点方向和促进心理战战略战术手段的发展有着至关重要的作用。目前，对心理战效果评估的研究已取得了一系列学术成果，为效果评估的实施和实际操作提供了强有力的理论支撑，但现有研究多为指标体系建立等理论的提出和界定，缺少实际操作性的思路，本文主要从大数据的视角来探究心理战效果评估，并尝试从大数据技术的应用角度阐述大数据和心理战效果评估的融合。      

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。