一种能量均衡的战场无线传感器网络路由协议算法

针对战场无线传感器网络中节点能量消耗不均衡以及节点剩余能量问题,提出了一种基于能量均衡的战场无线传感器网络LEACH路由协议的改进算法,该算法主要是对传感器网络中的簇群内节点的剩余能量,以及其传输数据的链路长度这两个方面的权重问题进行了改进,使传感器网络的能量消耗趋于平衡,通过MATLAB平台对改进后的EBLRP协议与LEACH协议进行了模拟仿真,结果表明,新的路由协议能够使网络的生命周期延长13%左右,并且使节点的能量消耗情况有所缓解。     

认知无线Mesh网络中资源节约的最小信道冲突值组播路由算法

认知无线Mesh网络中满足服务质量约束的多目标优化组播路由问题比单目标优化组播问题更加复杂,为了快速求解认知无线Mesh网络中满足服务质量约束的、以最小化资源消耗与最小化信道冲突值为目标的多目标优化组播路由问题,提出一种基于粒子群优化算法的问题求解框架,包括问题描述、粒子编码与粒子初始化、适应度函数、粒子飞行、粒子变异、粒子消环。粒子由表示节点之间连接关系的带权邻接矩阵表示,重新定义了用于粒子飞行的3种运算规则以及粒子飞行运算和粒子变异运算。仿真结果表明提出的算法能达到预定目标,资源消耗较低且能获得较低的信道冲突值。     

基于复杂网络理论的C2组织结构

从复杂网络理论角度,构造出了C2组织结构的网络拓扑模型,并根据C2组织结构的网络特性提出了一个重要的统计特性——节点的重要度,说明节点与其他节点联系的紧密性和重要性,进而分析了C2组织结构网络中的各个统计参数在C2组织结构网络中所具有的现实意义,并基于某个作战想定构建出C2组织结构网络的动态演化过程,更深层次地分析C2组织结构的合理性和高效性,为优化C2组织结构奠定基础。     

基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

基于MINE-FNA组合算法的防空体系指标网构建方法?

防空作战体系的武器装备组成结构和对抗信息交互具有网络化特征,其作战效能是通过对抗过程中各组分系统间复杂的网络化交互涌现出来的,因此描述体系作战效能的指标也应由各组分系统效能指标相互关联涌现出来,而传统防空体系指标选取方法无法准确描述防空体系内部复杂的关联关系和揭示体系能力的复杂涌现生成机理。因此将无参数探索最大交互信息算法（ MINE）和网络统计算法（ FNA）组合构建了MINE?FNA组合算法模型,对基于武器装备体系仿真试验床的防空体系仿真的全样本实验数据进行深度挖掘,构建了“底层基础指标→均一化指标→体系级指标”的三层防空体系指标网,为研究防空体系内部复杂关联关系和分析防空体系能力的生成机理提供了有效手段。     

自适应变异遗传算法在通信网络时延和路由选择优化中的应用分析

在遗传算法中采用自适应的方法来控制变异操作,可以提高算法的全局搜索能力,加快收敛速度,从而可以迅速地求解组合优化问题,并在进一步求解计算机通信网优化问题中得到成功应用.     

信息网络作战技术

信息战是现代战争中重要作战样式,网络战是信息战的重要组成部分,分布式、网络化的计算机系统是信息作战中实施攻击与防护首要作战目标。根据网络作战的需求,从技术角度出发,首先对网络战的要素组成进行了分析,在此基础上将网络战划分为两个阶段,并对此进行了深入研究,最后提出了实施网络战的方法与步骤。     

基于SOM网络信息融合的飞机作战效能评估

根据SOM自组织神经网络原理,构建了基于多参数信息融合的飞机作战效能评估模型,并采用可视化方法对飞机空战效能进行了评估。通过效能评估模型的二维拓扑有序映射图和单参数灰度图,可以清晰地观察到不同型号飞机的作战效能特征、参数相关性特征、参数变化趋势和对飞机作战效能的相似性预测。     

一种传感器网络时空融合模型

针对多传感器间存在时空相关性和先验知识未知的情况,提出了一种基于核偏最小二乘最优加权的传感器网络时空融合模型。首先用核偏最小二乘法对每个传感器在不同时刻的测量值进行融合,然后将各个传感器同时刻的估计值进行空间最优融合,从而得到被测参量的最终融合估计。该模型还能排除那些取值远离样本点集合平均水平的奇异点。理论分析和融合实验表明,该模型能取得较高的融合精度,并能显著节省网络能量。     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.