正弦波调制的光纤环本征频率测量方法

为了弥补传统光纤环本征频率测量方法中方波调制存在死区的缺陷,提出正弦波调制的本征频率测量方法。对正弦波调制下的光纤陀螺输出信号进行分析,得到二次谐波幅度与调制频率间的二次函数关系,通过计算抛物线顶点即可求得本征频率。依据该原理对已有的光纤陀螺进行升级改造,研制了一套本征频率测量系统。试验结果表明:该方法可达到1×10-5的测量精度,是一种成本低、精度高的光纤环本征频率测量方法。     

高超声速飞行器组合导航体系效能评估

集合当今世界高精尖端技术的高超声速飞行器,单一或简单的组合导航方式已经无法保障其高超声速全球到达的飞行任务。研究了一种INS\GNSS\CNS组合导航体系方案,与典型的INS\GNSS组合导航系统方案相比较,并采用改进的贝叶斯法融合算法对这两种导航方案进行综合效能评估。结果证明,该评估方法切实可行,便于计算应用,证实了INS\GNSS\CNS组合导航体系保障高超声速飞行器作战能力更强。     

基于引导员负荷的指挥引导容量评估

针对目前传统指挥引导容量评估不准确的问题,通过对空战指挥引导容量与引导员负荷的综合分析,提出了基于引导员负荷的指挥引导容量评估方法。基于引导员负荷重新定义了指挥引导容量,给出了引导员负荷的确定方法,并建立了指挥引导容量评估模型。最后对某指挥机构进行实例评估,评估结果表明所提出的指挥引导容量评估方法将评估误差控制在1批之内。     

基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。     

战术通信网组网方案评估优选方法

在当前信息化的战场环境下,战场环境瞬息万变,战术通信网作为信息化战争的神经中枢,起到了至关重要的作用,然而组网方案的好坏直接决定着通信网性能的优劣,因此,如何在战场环境下快速、自动、客观地评估战术通信网组网方案是一个亟待解决的问题。通过分析战术通信网的特性和要求,提出了战术通信网组网方案评估指标体系,并采用熵权灰关联的方法对组网方案进行评估优选,该方法方便快捷并且可以编程实现,不仅能够在战场环境下实时、自动地对组网方案进行评估优选,而且评估结果也符合实际情况,为指挥员提供了决策依据。     

基于贝叶斯网络的作战目标评估

在作战指挥决策活动的筹划阶段,对敌体系要害和关键点的分析,当前尚未形成系统方法。针对此问题,利用贝叶斯网络在非精确知识表达与推理领域的优势,提出了综合考虑目标价值、打击难度、打击效果等因素的作战目标评估模型。根据判别贝叶斯网络分类器性能优于生成贝叶斯网络分类器的特点,在经相关领域专家论证的样本数据集的基础上,采取梯度下降法训练得出评估模型各结点条件概率分布。最后,利用Netica仿真软件,经样本数据测试,证明了作战目标评估模型的合理性。     

基于复杂网络的武器装备体系贡献度评估分析方法

根据结构决定功能的系统论观点,基于复杂网络理论对武器装备作战体系网络的拓扑结构进行了分析,构建了基于不确定性自信息量的武器装备作战体系作战效能分析模型,提出了计算武器装备体系贡献度的方法,并通过算例验证,探讨了网络结构演化及度量参数改变对武器装备体系贡献度的影响,为武器装备体系贡献度评估分析提供了技术支撑。     

电子战飞机远距支援干扰阵位配置建模与仿真

针对电子战飞机远距支援干扰新体制雷达阵位配置问题进行研究。首先是对电子战飞机干扰效能量化分析,从俯仰和方位两个方面对干扰覆盖范围进行建模仿真。基于干扰统一方程,建立干扰阵位配置优化模型,包括阵位配置区域和阵位配置高度模型,并给出了干扰阵位配置参数的具体计算方法。最后,通过仿真实例验证模型的有效性,结果表明该模型对于电子战飞机阵位配置有一定的指导意义。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。