高性能数据分发服务AppDDS

正高性能数据分发服务AppDDS(Appsoft Data Distribution Service),是北京神州普惠科技股份有限公司推出的分布式实时应用网络通信中间件。其基于对象管理组织(OMG)发布的DDS标准,经过多年研发和充分论证而成。AppDDS可以方便用户快速开发及优化各种分布式实时应用,拥有高可靠性和可替代进口产品的特点,具备高带宽、强实时、低抖动、跨平台等诸多优异性能,包含底层通信协议、上层应用开发建模工具、网络分析工具、性能测试工具等一系列工具集。神州普惠公司对AppDDS拥有完全自主知识产权,并建有强大的研发和技术服务专业团队,目前已在航空、航天、电子、船舶、兵器等行业内服务众多用户,反响良好。     

航天测试系统大容量数据处理方法研究

在航天测试系统中,经常需要处理大容量数据。讨论了C语言、C++语言、MFC中文件的操作方法。结合Win32 API相关函数,分析了大容量数据文件的读取、解包、分析等处理方法。在VisualC++6.0编程环境下,根据实际需求编写了数据分析处理软件。经过实验验证和实际数据测试,提出的方法可以有效地对大容量数据文件进行分析、处理,且已成功应用于多个航天测试项目,取得了较为理想的分析结果,为相关测试、试验提供了依据。     

HLA训练仿真系统数据记录与回放的设计和实现

在战术仿真训练中,数据记录与回放是实现对战术对抗行动定性定量分析评估的重要手段。结合基于HLA技术的战术仿真训练系统的研发,探讨了顺序事件触发式数据记录、离线回放及演习状态回滚功能的具体设计和实现方法。该系统已推广部队使用,应用效果良好。     

复杂环境下基于支持度的多传感器数据融合算法

为避免融合算法依赖于先验信息,剔除复杂环境下多传感器测量数据中的干扰误差,一致性数据融合方法得到广泛研究。比较分析了典型的支持度度量方法,并构造了两种新的支持度度量方法。进而设计了一种新的基于传感器一致性和可靠性的融合算法,实现传感器的加权融合。仿真计算验证了新的支持度算法和融合算法的有效性。     

一种基于数据隐藏和可撤销模板的生物特征信息保护方案

为了抵抗传统生物认证方案中易受的攻击,确保用户信息安全,通过结合用户密码实现双因子生物认证的方法,提出了一种基于数据隐藏和可撤销模板的生物特征信息保护方案,并通过MD5哈希算法和AES-256加密算法,确保了生物信息的完整性。实验证明,本方案有效隐藏了生物特征信息,相比其他方案具有更高的安全性和效率。     

基于多分辨率分析的雷达辐射源融合识别算法

结合信号融合识别的应用需求与多分辨率分析的特点,提出了一种基于多分辨率分析的雷达信号融合识别算法。该算法对获取的信号先进行小波变换后直接对信号进行融合识别。仿真实验表明:该方法在减少数据量的同时能够降低信息的损失,提高信息利用率,较好地保证信息的完整性,可有效提高信号识别性能。     

基于数据站场的系统效能评估决策支持方法

随着信息技术的发展,系统信息量的提升给军事系统效能评估带来了新的问题。针对系统效能分析数据非线性、高维数、强耦合的特点,提出了一种基于数据站场技术的效能评估决策支持方法。通过数据恢复、约减、求精与重构操作,对评估数据进行了处理,并搭建了数据站场立方体,降低了数据间的依赖性,满足了不同层面系统分析的需求。以面向任务的网络化火控系统的为例,进行了系统效能评估、时效性评估和指标分析,从三个层次验证了方法的有效性与可行性。将数据挖掘技术应用到仿真系统效能评估决策中,获得了更广泛的应用。     

面向监督学习的稀疏平滑岭回归方法

岭回归是监督学习中的一个重要方法,被广泛用于多目标分类和识别。岭回归中一个重要的步骤是定义一个特殊的多变量标签矩阵,以实现对多类别样本的编码。通过将岭回归看作是一种基于图的监督学习方法,拓展了标签矩阵的构造方法。在岭回归的基础之上,进一步考虑投影中维度的平滑性和投影矩阵的稀疏性,提出稀疏平滑岭回归方法。对比一系列经典的监督线性分类算法,发现稀疏平滑岭回归在多个数据集上有着更好的表现。另外,实验表明新的标签矩阵构造方法不会降低原始岭回归方法的表现,同时还可以进一步提升稀疏平滑岭回归方法的性能。     

含噪稀疏信号重构的l0范数期望值最小化方法

压缩感知理论是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对测量值受噪声污染的含噪稀疏重构问题,提出了近似l0范数期望值最小化方法。该算法基本思想是将含噪稀疏重构问题转化为近似l0范数期望值最小化问题,并利用噪声的统计特征将随机最优化问题化简为常规的最优化问题,然后采用最速下降法求解。数值仿真表明,本文提出的方法具有更好的重构精度,且计算量较小。     

关键循环到粗粒度可重构体系结构的存储感知映射

针对已有工作面向粗粒度可重构结构(CGRA)研究循环映射的不足,提出一种新颖的存储感知的关键循环映射方法 MALP。该方法定义RCP_CGRA体系结构模型并阐述关键循环到CGRA的映射问题,通过引入结合数组分簇的多面体数据域划分方法进行循环存储分析,根据分析结果,结合体系结构资源约束实现了循环的有效映射。实验结果表明,与已有的方法相比,MALP方法能够快速分析存储需求并有效降低循环映射的资源占用率,提高数据吞吐量,进一步提升了CGRA上循环映射的性能。