基于叠合度的维修性多源数据融合方法

针对装备维修性试验数据样本量不足的问题,采用了数据融合方法进行扩充数据样本量,通过建立折合模型对多源先验数据进行转换,解决了与现场数据差异较大难以实现数据融合的问题,采用了改进的Bayes Bootstrap法对多源数据的分布参数进行拟合,建立基于叠合度的数据融合模型,对装备维修性多源先验数据进行融合,结合某型坦克试验数据进行算例分析,证明了该方法的可行性。     

基于模糊多传感器数据融合的目标跟踪系统

为了克服使用单个传感器的局限性,目标跟踪系统中引入了多传感器数据融合(MSDF)算法.MSDF能有效减小污染传感器测量量的噪声,又可排除估计过程中的无效测量量.它既能处理线性传感器的数据融合问题,又能处理含噪声的非线性传感器的数据融合问题.为了克服缺乏目标运动的前期信息的不足,目标跟踪系统中还运用了模糊运动学过程模型.因此,尽管缺乏有关目标运动及估计过程中所包含的传感器前期统计信息,该目标跟踪系统的性能却与基于已知目标精确过程模型的广义卡尔曼滤波器的目标跟踪系统相当.     

并行离散事件仿真中的DDM机制实现

在并行离散事件仿真系统中实现仿真模型间的互操作机制需要引入类似HLA中定义的声明管理(DM)和数据分发管理(DDM)服务.我们开发的KD-PADSE高性能并行离散事件仿真环境采用谓词断言和对象代理方法在面向对象的并行离散事件仿真系统中实现了基于平行结构和事件调度机制的声明管理(DM)和数据分发管理(DDM)服务.在以千兆以太网互联的10节点Linux集群计算机上,采用DDM机制后仿真模型每秒(物理时间)可以进行1万次属性更新,是没有采用DDM机制时的20倍,在功能性和性能上验证了该DDM机制在并行离散事件仿真系统中的适用性.     

多架战机协同作战信息融合系统的设计

简要介绍了CEC的发展背景,给出了一种基于CEC技术的多架战机协同作战多传感器信息融合系统的设计,较系统地阐述了信息融合硬件模型结构及功能,并分析了多机协同作战面临的主要问题,多机协同作战的关键技术以及将来可能的应用,指出了多机协同作战的研究方向,为空军多机协同作战的进一步深入研究提供参考.     

敌我识别系统及其进展

从敌我识别系统的应用背景出发,综述了敌我识别系统的发展历程,分析了各种敌我识别系统的特点,比较了毫米波敌我识别系统和激光敌我识别系统的性能,指出了数据融合技术和微米/纳米技术对敌我识别技术发展的重要性.相关研究内容对敌我识别系统的论证、技术体制的选择有参考价值.     

基于中间件平台的异构数据交换与集成

针对数据共享过程中数据可能来自不同的途径,提出了一种基于中间件技术的统一平台异构数据库数据交换模型.该模型基于驱动映射,当数据从数据库传送到XML文档或从XML文档传送到数据库时,用一个具体模型实现数据交换.其方法是将XML文档表示为由数据对象构成的树,每一个元素类型和对象模式中的对象相对应,即模式和模式之间的映射.文...     

发布/订阅机制在协同作战系统中的应用

为了提升现代战场环境中作战系统的作战效能，引入了协同作战的思想。采用发布/订阅机制实现协同作战系统中应用数据的按需分发，并将发布/订阅机制以中间件的方式应用于协同作战系统的设计中，利用发布/订阅中间件所提供的丰富的QoS（Quality of Service）策略满足了系统内多类型数据复杂的分发需求。通过相关的测试，能够满足协同作战系统基本的信息交互需求。     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。     

装备制造基础数据治理体系建设研究

数据治理是数据管理的核心职能。装备制造业务涉及设计、生产、试验、综合保障以及计划管理各方面，相关数据类型繁多，产生和积累了大量业务数据。但由于目前大部分军工企业的数据标准化体系不健全，导致基础数据质量不高。本文通过借鉴、数据治理等技术，研究构建具备数据治理、数据标准、数据架构、数据安全、数据质量、数据应用等核心能力，三位一体并覆盖装备制造全寿命周期的数据治理体系，同时，依据装备数据管理规范和标准开发面向装备领域的流程化数据治理服务平台，以实施统一编码，打通流程和数据，为装备制造各阶段的信息共享、追溯、统计分析提供数据基础，促进设计研发、生产制造和运营管理的有效集成，从而有效发挥数据效能，提升军工企业的信息化高端收益水平。     

数字化转型中的数据治理体系建设

数据治理是数字化转型的重要挑战,而数据治理体系的建设是数据治理的关键。本文从数据治理的主要挑战入手,分析了数据治理的框架、过程和评估,给出了数据治理体系建设的总体框图。