基于Vague集的目标优先级求解方法

针对地面防空武器系统中目标优先级排序问题,建立了基于Vague集的目标优先级的模型。首先分析并量化了优先级影响因素中的定性指标和定量指标,建立了基于Vague集目标优先级决策矩阵;其次,针对传统基于Vague集目标优先级求解问题中影响因素权重难以确定问题,提出了基于Vague值距离测度最大化原理的权重确定方法,该方法有效地避免了权重选择的主观性;最后根据综合贴近度进行优先级的排序。算例仿真验证了该方法的可行性和有效性。     

基于Vague集极值记分函数的装甲分队目标威胁评估

为了快速准确地对装甲分队作战单元面临的目标进行威胁度判断,提高信息化装甲分队作战辅助决策水平,建立了基于Vague集的极值记分函数评估模型,且构造了适合威胁评估的记分函数。实例分析表明,该模型可有效地完成目标威胁评估与排序,为分队火力优化控制提供重要数据支持。     

基于随机集理论的多目标跟踪方法

多目标跟踪问题通常包括目标信号的检测与目标状态的估计,同时还涉及到对探测范围内目标数量的确定。传统的跟踪方法将目标检测、状态估计与数量确定分别使用独立的模块或算法来处理。在这种模式下,每个模块仅考虑测量数据中与其功能直接相关的信息,模块之间没有信息的交互,因而很难得到全局最优的解。基于随机集理论的多目标跟踪方法将场景内的全部目标看作一个全局变量,目标状态与目标测量分别构成各自的随机有限集。从而多目标跟踪问题可以放在一个随机集模型下的贝叶斯滤波框架中研究。在每一个滤波周期内,通过对随机集的处理,实时地估计目标的数量、状态与类型,实现多目标的联合检测、跟踪与识别。     

基于粗糙集理论的飞行轨迹识别

针对飞行轨迹人工识别对专家经验依赖性强,识别准确率不稳定的问题,提出一种基于粗糙集理论的飞行轨迹识别方法。首先,对飞行轨迹进行特征提取,获取用于轨迹类别判定的条件属性和决策属性;其次,利用模糊自组织神经网络对飞行轨迹决策表离散化,采用启发式遗传约简算法对条件属性约简,消除了冗余属性对识别结果的影响;最后,利用实际飞参数据进行轨迹识别,结果证明该方法准确有效。     

独立分量分析在液体火箭发动机故障检测中的应用

针对液体火箭发动机试车中,因噪声干扰、不同源信号之间的混叠而造成的信号信噪比低、信号分析和特征提取难度大的问题,提出采用独立分量分析(ICA)法对液体火箭发动机试车信号进行分离,以提高信号的信噪比,并能实时反映各子系统工作过程,为数据分析、特征提取和故障检测与诊断提供可靠的信号。通过对某型液体火箭发动机热试车压强信号进行实例分析,验证了该方法的有效性。     

一种应用定制指令集可重构结构及FFT算法映射优化

现代无线通信应用对FFT计算吞吐率与灵活性需求越来越高,针对传统方案实现FFT计算时难以兼顾性能与灵活性的问题,提出一种应用定制指令集可重构结构ASRA,实现了FFT算法在该结构上的映射优化。ASRA在静态多发射处理器内紧耦合应用定制的混合粒度可重构硬件作为扩展功能单元簇,通过运行时重构动态切换扩展指令集。ASRA采用多体便笺存储器、多端口便笺管理单元及可重构互连构成片上缓存系统,结合多体并行访问、循环级乒乓交替、读/写流水化等技术有效提高了访存带宽;静态多发射和运行时语境管理机制支持核心循环的硬件自动流水执行和软流水执行,开发了指令级、数据级和循环级等多层次并行性。实验结果表明,ASRA大幅提升了FFT计算吞吐率,且支持的FFT计算参数更加灵活,而增加的面积开销相对较小。     

现代营房建设管理评估模型研究

现代营房建设管理是一项复杂的系统工程,具有很强的不确定性,采用传统的评估方法很难满足评估实践需求。依据现行有关规定标准,在给出现代营房建设管理递阶结构图的基础上,构建出基于集对分析的评估模型,以便为建设单位和上级业务部门进行决策提供科学依据。     

基于粗糙集的装备维修信息属性约简算法

分析了装备维修信息的概念和组成,将粗糙集理论应用到装备维修信息处理中,结合信息熵和互信息的定义,界定了一种新的属性重要度,并将其作为启发信息,提出了改进的基于属性重要度和互信息的属性约简算法,并通过对装备维修信息约简,进行了算法验证。实验结果表明:所提出的算法精度较高,得到的结果比较符合实际,能够为装备维修保障提供决策依据。     

小型汽油发电机组智能式电子调速系统方案设计

汽油机调速性能是影响小型汽油发电机组电气性能指标的重要因素。目前,使用机械式转速调整装置的小型汽油机的转速调整率较大,从而严重影响了小型汽油发电机组电气性能。提出了基于PIC单片机智能式数字步进电机调速系统去解决小型汽油发电机组中汽油机转速稳定性问题,给出了调速系统详细硬件和软件设计方案。该方案经实际验证是可行的。     

基于支持向量机的威胁判断模型

目标威胁判断是防空作战中一项重要内容,在建立目标威胁模型时,首先要挑选特征参数,分析了影响威胁度的若干因素.这里采用Rough理论中知识约简方法选择目标的特征参数;支持向量机是一类新型机器学习方法,由于其出色的学习能力,该技术已成为当前国际机器学习界的研究热点,利用支持向量机建立了威胁判断模型,给出了实例和解决此问题的支持向量机源程序.通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单.