基于6LoWPAN与MQTT的无线传感网络设计

针对目前6LoWPAN无线传感网络设计与应用存在的可扩展性较差、与IPv4环境不兼容等问题，设计并实现了基于6LoWPAN与消息队列遥控传输(Message Queuing Telemetry Transport， MQTT)的无线传感网络。其中，无线传感网络节点作为MQTT客户端与MQTT服务器通信，边界路由器通过NAT64(Network Address Translation IPv6 to IPv4)实现无线传感网络节点与IPv4网络的通信。将所设计的无线传感网络应用到智能家居场景，评估了无线传感网络和边界路由器的性能，测试了系统功能的实现。结果表明，无线传感网络具有良好的连通性和稳定性，无线传感节点的数据上传与指令接收稳定可靠，边界路由器工作稳定，系统具有较好的性能。     

基于多通道卷积神经网络的磁性舰船目标运动参数估计

传统磁性目标运动估计效果依赖于目标的初始状态信息,为克服这一缺陷,建立磁性运动目标三分量投影模型,并据此生成磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。设计多通道卷积神经网络,对目标的正横距离和运动速度进行估计,并比较和分析了不同的学习方式和激活函数对网络性能的影响。结果表明:Adam+tanh组合方式的估计性能要优于其他组合方式,而且对磁性目标运动参数的估计效果比较精确,此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。     

基于信息融合技术的复合式火灾探测器

在火灾探测中对单一的火灾特征参数信息进行判断和识别的探测器，易受到环境的干扰，限制了其探测性能，系统的高误报率问题比较突出；复合式火灾探测器采用信息融合技术进行多火灾特征参数信息的判断和识别，提高了火灾探测的可靠性和准确性。介绍了复合式火灾探测器中多传感器的选择。结合火灾探测独特的三层结构（数据层、特征层、决策层）讨论了数据融合技术在火灾探测系统中的应用，并对多传感器在数据层信息融合的模型结构进行了归纳。     

Online process mean estimation using L1 norm exponential smoothing

A basic assumption in process mean estimation is that all process data are clean. However, many sensor system measurements are often corrupted with outliers. Outliers are observations that do not follow the statistical distribution of the bulk of the data and consequently may lead to erroneous results with respect to statistical analysis and process control. Robust estimators of the current process mean are crucial to outlier detection, data cleaning, process monitoring, and other process features. This article proposes an outlier‐resistant mean estimator based on the L₁ norm exponential smoothing (L₁‐ES) method. The L₁‐ES statistic is essentially model‐free and demonstrably superior to existing estimators. It has the following advantages: (1) it captures process dynamics (e.g., autocorrelation), (2) it is resistant to outliers, and (3) it is easy to implement. © 2009 Wiley Periodicals, Inc. Naval Research Logistics 2009     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。     

舰船消磁智能仿真培训系统研究

介绍了一种集成应知／应会培训与智能消磁流程培训的舰船消磁智能仿真培训系统的设计与构成．     

多传感器多目标定位与跟踪技术研究

针对炮兵打击目标的特性和获取目标信息所采用的侦察设施 ,研究了多传感器多目标定位和跟踪问题。在闭圆和聚类概念的基础上 ,提出了一种多传感器多目标融合算法 ,并给出了状态估计的最优解。仿真结果证明了这种算法的有效性。这一模型的物理实现正在进一步研究之中。     

基于信息熵TOP SIS法的无线传感器网络节点自定位技术

在无线传感器网络的应用中，节点的定位是一个关键的问题。但是，利用已知节点对未知节点定位的算法存在着定位精度不高，定位计算量大等缺点。针对该问题，提出了一种基于信息熵TOPSIS法的节点自定位算法，该算法利用TOPSIS法按已给的传感器属性进行排序，只取最靠前的3个节点代入标准最小二乘公式中进行计算，既缩短了计算时间，又保证了计算精度。仿真实验证明，该算法是一种有效可行的算法。     

基于偶极子理论的磁流变液流变特性模拟分析

根据磁性颗粒的偶极子理论,建立了磁性颗粒的三维动力学模型,模拟了三维状态下磁流变液磁性颗粒成链的过程,对影响成链速度的因素如磁场强度等进行了分析,结果表明:静态磁流变液的成链速度与磁性颗粒的体积分数、颗粒的大小及磁场强度成正比。对剪切速率为200s-1时磁流变液的动态特性进行仿真,结果发现:磁性链条处于一种动态平衡,但支链明显增多,导致剪切屈服应力下降。     

基于神经网络信息融合技术的卫星定姿算法

姿态确定系统是卫星姿态控制系统中的重要组成部分,卫星姿态确定的精度直接影响卫星控制精度.为得到高姿态精度,针对由惯性测量单元(Inertial Measurement Unit),红外地平仪和太阳敏感器组成的卫星姿态确定系统,分别采用BP网络算法和径向基(RBF)网络算法对不同的姿态敏感器的输出数据进行融合,并用STK(Satellite Tool Kit)数据进行了仿真.仿真分析结果表明这两种学习算法均可以提高卫星定姿精度,相对而言,RBF网络无论是精度上还是收敛速度上均优于BP网络.