一个新的类FEISTEL密码方案

分析了RSA和DES的算法优点和安全弱点,设计了一个新的密码算法方案。该方案以类FEISTEL结构为基础增强了左右两半部分结构的安全设计,利用了RSA进行密钥分配,并以序列密码算法的生成原理改变了固定密钥的缺点。该新方案具有一次一密的特点,给破译者获得大量的明密文对造成了很大的困难,可较好地抵抗差分分析与线性分析,是一种安全性较强的加密方案。     

一种改进的小波软阈值去噪方法性能分析

分别利用软阈值函数和修正软阈值函数对局部放电仿真信号进行小波去噪分析。仿真结果表明,修正软阈值函数在优于传统软阈值函数去噪性能的基础上,更具有灵活性,仅通过调节函数的可变参数,就可以获得具有最大信噪比和最小均方误差的去噪信号。     

连续信息空间中的信息泄漏问题研究

在联邦式作战仿真平台中,互相通信的主体在进行通信的同时还需要保护其私有的信息。讨论了基于线性方程组“无穷解”条件下的连续信息空间的信息泄漏和保护问题,包括该模型的基本特性和防止泄漏的方法,指出了存在信息的部分泄漏问题,并给出了检测部分泄漏的方法,为提高计算性能,可指定检测子空间,最后,讨论了信息动态改变对信息泄漏的影响。     

对LFM雷达的间歇采样累加干扰研究

间歇采样转发干扰以及改进的重复转发间歇采样干扰是对线性调频雷达的有效干扰样式,但其形成的假目标幅度较小,能量损失较大。针对这些不足,提出了一种间歇采样累加干扰,该方法通过将数字储频后离散采样信号的幅值进行累加,在获得干扰幅度的同时实现信号的最大相干性。通过理论分析可知,信号脉内周期性变化会对干扰信号产生影响,因此又通过对累加信号幅度较低部分进行幅度倍乘和对间歇采样信号取绝对值后累加,得到2种改进方案:倍乘调整间歇采样累加干扰和绝对值间歇采样累加干扰。最后通过仿真实验,证明了间歇采样累加干扰是对线性调频雷达的一种有效干扰,能够产生较好的欺骗和覆盖干扰效果,并且假目标幅度较大,工程实现简单,节省功率。     

求解CVRP问题的一种改进启发式蚁群算法

针对蚁群算法求解CVRP问题时收敛速度慢、求解质量不高的缺点,提出了一种改进启发式蚁群算法。该算法借鉴蚁群系统和基于排列的蚂蚁系统的优点设计信息素更新策略,既加强了对每次迭代最好解的利用,又避免了陷入局部最优;按一定比例使用基本方法和基于PFIH方法构造路径,扩大了算法的搜索空间;采用一种混合局部搜索算子,增强了算法局部寻优能力。实验结果表明,改进启发式蚁群算法可以大幅度减少车辆运行成本,具有较快的收敛速度。     

时变信道下雷达辐射源个体识别的局部相关检验方法

辐射源个体识别是电子战领域的研究热点。针对时变信道下波形已知的雷达个体分类问题,基于似然比检验提出一种稳健的局部相关检测方法。该方法利用雷达波形中差异度较大的部分生成参考波形,构建假设检验模型进行信号分类,并通过比例因子调节参考波形的差异显著性。仿真实验表明,随着参考波形差异显著性增强,本方法识别性能明显优于直接最大似然比方法,具有较好的抗多径性能。     

圆周SAR与线性SAR成像特性分析与对比

圆周合成孔径雷达因其独特优势已经成为雷达领域的研究热点。分析圆周合成孔径雷达与线性合成孔径雷达在成像区域大小、点散布函数特性、回波频谱特点、三维成像能力等方面的差异,凸显了圆周合成孔径雷达的成像特点。发现单航过圆周合成孔径雷达频域成像处理的难点在于其回波频谱的空变性。为提高频域成像处理的效率,分析了平面圆周合成孔径雷达与多航过圆周合成孔径雷达成像模式,并指出这两种模式易于在频域开展一致化处理。仿真试验证明了分析内容的正确性。     

指挥控制系统中仿真决策系统的嵌入研究

将仿真决策系统嵌入到指挥控制系统中,利用仿真决策支持正在进行的军事行动正成为未来指挥控制系统发展的重要探索方向。研究了嵌入式仿真决策系统的组成,包括人机接口分系统、在线仿真分系统和控制管理分系统等;研究了嵌入式仿真决策系统的功能,包括计划与方案生成、作战态势读取、辅助指挥决策生成、战场态势预判、行动结果管理与未来态势生成控制等;研究了嵌入的关键技术途径,包括嵌入样式、在线仿真决策技术、定性与定量相结合的在线评估、面向服务的组件化设计等。研究成果对探索和建立我国未来新一代指挥控制系统具有重要、积极的现实和军事意义。     

基于数据链的航空作战进程研究

研究了数据链支持下的航空作战兵力变化问题。将空战能力指数通过映射关系转化为平均战斗力水平,从数学理论上证明了二者具有等价性。结合平均战斗力水平,建立了基于数据链的改进蓝彻斯特空战模型及具有增援力量的作战模型。仿真分析了等效实力比、不同初始值以及增援时刻的不同对空战进程的影响,结果表明数据链具有提高作战效能和改变战局的作用。实验发现了在增援作战时,存在"局部最优增援时刻点"这一重要结论。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。