通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

机器人力反馈依从控制器多机系统分布式程序设计的实现

本文介绍在机器人力反馈依从控制器多机系统中采用程序设计语言C 与分布式库函数相结合实现分布式程序设计的方法,论述了分布式库函数形式,支持分布式库函数设计的多机操作系统功能及其在设计过程中应予以重视的某些问题,并给出了分布式程序设计的一个简例。     

航空兵分队级战术模拟训练系统设计

针对航空兵部队训练急需,航空兵分队级战术模拟训练系统采用先进的分布/集中式系统结构,结合RTX实时操作系统、共享内存、动态连接库、GL Studio、Vega Prime等技术,以空军主战机型为仿真对象,对飞行、火控、航电等模块进行系统仿真,并针对航空兵部队在复杂电磁环境下空中作战的特点,结合红/蓝军指挥、演练管理、战场信息可视化等分系统,为飞行员提供了一个逼真的战术训练仿真平台。该系统能完成各种近似实战背景下的战术对抗训练并进行新战法研究。     

基于领域建模语言的作战概念描述方法

针对传统统一建模语言(UML)和系统建模语言(SysML)主要面向一般软件工程和系统工程领域应用,缺乏作战概念相关领域知识的问题,提出了基于领域建模语言(DSL)的作战概念描述方法.基于SysML Profile扩展机制,在需求图中设计了能力、战略和战术等需求元模型,在块定义图中设计了武器装备体系、武器装备、传感器等类元模型.以此为基础,对分布式杀伤作战概念的静态结构和动态行为进行了分析描述,为有效缩短作战概念建模仿真周期、加强不同背景研究人员之间沟通交流奠定了基础.     

分布式环形网络测发控系统故障恢复时间模型

测发控系统是武器系统中的重要组成部分.提出了一种基于分布式冗余协议(DRP)的测发控系统实现设想,避免了主从式网络中风险高度集中在主站的问题.在对DRP分布式环形网络冗余协议故障诊断和恢复机理进行详细分析的基础上,建立DRP故障恢复时间模型,根据该模型和控制系统采样周期的关系,分别进行环形网络化控制系统丢包概率分析.     

基于分布式数据流的的指控系统服务集成方法

针对SOA服务集成架构应用于军用指控系统遇到的问题,提出了一种基于分布式数据流的服务集成方法。其设计思想不同于现在常用的服务集成方法中采取的集中式数据流,该方法支持指控服务构件之间数据的直接通信,可避免集中式处理带来的通信瓶颈问题,提高了服务集成的性能,较好地适应了军用异构网络环境。     

基于信息系统的数据驱动式指挥决策系统设计

针对指挥决策领域普遍存在的决策方法单一、决策信息过时、决策方案难以反映作战需求的不足,结合我军武器装备信息化建设发展需要,以决策信息的实时获取为源头,以实现指挥员的分布式协同决策和人机一体化共商决策为手段,综合集成各种作战信息终端和指挥系统,提出了基于信息系统的数据驱动式指挥决策系统建设方案。并在分析系统功能需求的基础上,设计了系统的功能结构,探讨了系统实现的关键技术,为支持信息化战争中指挥决策系统的建设提供了有益的参考。     

炮射悬浮式GPS干扰弹靶场试验与评估

为解决炮射悬浮式GPS干扰弹的研制与应用问题,进行了炮射悬浮式GPS干扰弹靶场试验与评估研究,提出了基于雷达、GPS接收机和计算机的靶场试验解决方案和数据处理方法,给出了基于蜂窝结构的干扰弹分布覆盖设计步骤,提出了包括功能性指标、可靠性指标和安全性指标的炮射悬浮式GPS干扰弹评估方法,定义了各评估指标的效益函数。     

基于移动Agent的分布式炮兵自动化指挥系统

在分析了现有炮兵自动化指挥系统结构及其不足的基础上,提出了基于移动Agent的分布式炮兵自动化指挥系统,并对该系统结构体系、组成、功能和优越性进行了分析,为炮兵自动化指挥系统的研制和改进提供了有效的途径.     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。