高抗噪无线车内语音通信系统的研究

由于现行的车内通话器均采用有线连接和传统的降噪方式,导致了乘员活动范围受限以及降噪能力不强等问题.提出了一套综合应用蓝牙技术和骨传导技术的无线语音通信系统,并将其应用到装甲车辆上,最后提出了一些在实际设计中需要解决的问题,为今后进一步研究提供参考.     

无人机卫星导航系统的电磁干扰态势评估方法

在战场复杂电磁环境下,卫星导航接收机很容易受到电磁干扰而出现不定位的现象,针对这一现象,提出了一种基于环境感知无人机卫星导航接收机的电磁干扰态势评估方法。以干扰信号的特征参数、导航接收机未受干扰时的接收状态作为预测的输入,以接收机跟踪环路失锁时的效应阈值作为观测目标值,建立了极端梯度提升(extreme gradient boosting, XGBoost)的预测模型。在此基础上,给出了导航接收机电磁干扰态势的等级,提出了导航接收机在单源和双源电磁干扰下的态势评估方法。通过与高斯过程回归和支持向量机回归的预测方法进行比较,结果表明XGBoost方法具有更好的预测精度。依据该预测方法,综合利用技战术方案,有利于提高无人机在复杂电磁环境中的适应能力。     

高速行进坦克身管速度对射击精度影响

坦克在高速行进时,由于路面谱等外部激励的影响,车体姿态和运动状态都会发生变化。由于车体的振动和随动系统的控制误差等,致使坦克火炮在射击时身管前端存在一定的速度扰动。原有解命中问题的条件中未考虑这一速度扰动的影响,使得坦克在高速行进条件下的目标提前点预测产生误差。通过建立外弹道模型,较准确地仿真分析了这一误差的大小和对射击精度的影响。     

供电电缆磁场辐射的预测模型及优化设计

基于磁场叠加原理,建立了单相、三相、并联单相、并联三相供电电缆常见布局方式下的磁场辐射计算模型,并给出了降低电缆磁场辐射的优化布局方法。仿真与实验结果表明:该计算模型有较高的准确性,有助于把握供电电缆磁场辐射的决定因素,可用于快速指导供电电缆的优化设计,以避免反复的仿真或实验试探,缩短设计时间,降低设计成本。     

基于锥形量热法的油池火相似性及点火特性模拟实验

针对油料池火灾相似性及点火特性研究需要,构建了一种基于耗氧原理的油池火锥形量热法模拟实验系统,引入火灾尺度相似性概念,研究了实验室尺度油池火与真实尺度油池火的相似性关系,探讨了实验室尺度油池火预测真实尺度油池火的可行性,基于实验室尺度锥形量热法研究了油池火点火特性,得到了辐射强度、辐射距离对油料点燃时间的影响规律以及点燃时间与锥照射强度之间的拟合公式。     

基于组织协同进化的软件缺陷预测方法

针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题,首先对比选择合适的离散化方法,然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域,给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群,在各种群内部形成进化个体(组织)。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化,并基于属性重要度协同进化的方式进行适应度函数的计算,实现了有标识软件度量元数据缺陷预测精度的提高。最后通过两组仿真实验,验证了基于组织协同进化航天软件缺陷预测方法的有效性。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

采用无线携能技术的中继辅助CR-NOMA系统能效分析

针对现有关于认知无线电非正交多址接入网络的研究中终端电池容量有限和能源利用率低的缺点,采用了中继辅助用户进行传输,并且引入无线信息和能量同时传输的方式。在用户服务质量和最小能量捕获的约束条件下推导了次用户传输能效表达式,通过分式规划方法把非凸的目标函数转化为优化中继发射功率、中继功率分配和接收端功率分配三个凸的单目标问题,并分别用函数单调性、黄金分割算法、拉格朗日对偶算法和多目标联合优化算法进行优化,求得了全局最优解,使次用户系统传输能效最大化。对所采用的算法复杂度进行分析,仿真结果表明:与传统的正交多址接入方案相比较,在提高系统频谱利用率的同时,次用户传输能效有47%的提高。     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。     

模糊聚类方法在地震火灾评判中的应用

参照地震火灾的历史资料,用模糊聚类方法对城市地震的特征及火灾损失进行了分类,在此分类基础上给出了预测和评估某城市地震火灾损失的计算方法。