新型智能化平直度测量装置

本文主要介绍了“智能化平直度测量仪”的结构和工作原理,它解决了在几何量计量中对平尺、平板、以及机床导轨等的自动检测及误差评定问题。工作效率提高近百倍。由于采用了分立式结构,该仪器还可以广泛地应用于形位误差、螺纹、齿轮等几何量计量领域,是一种实用的智能化测量仪器。     

基于证据组合的直觉模糊群决策方法

对于属性权重已知,属性值以直觉模糊值形式给出的多属性群决策问题进行了研究,提出了基于证据理论的直觉模糊群决策方法。首先在计算直觉模糊值相似度的基础上,并考虑专家的信任度,给出了专家基本概率分配函数的计算方法。然后基于证据组合理论合成对单个属性以及综合属性的决策群体基本概率分配函数。通过计算方案效用值,来进行方案的排序。通过一个算例说明了该方法的有效性。     

反导案例匹配中的距离度量算子北大核心

反导作战中运用案例推理的方法重用以往的相似案例可以提高决策效率,在相似案例的匹配中对于数值属性的相似度计算常用到的是基于距离的度量方法,现有的基于距离度量的方法对于较相似案例之间的区分性不高。针对这一问题,提出一种新的距离度量算子,经数学公式推导证明了其合理性,通过与其他度量算子的对比,证明该算子在2个数值相差很小时有着更高的分辨率。用该算子改进欧式距离,在弹道导弹相似识别实验中验证了其有效性。     

基于SEA法的反导预警系统作战效能评估

对反导预警系统进行作战效能评估可以为预警装备体系的发展和作战运用提供基础,在对反导预警作战流程分析的基础上,选取了对反导预警系统作战效能影响较大的因素,给出了系统效能性能量度,分析了系统映射和使命映射,并运用SEA方法建立了效能评估的数学模型,结合仿真试验对反导预警系统保障反导拦截任务的作战效能进行了评估。     

适用于战术通信的路由度量策略改进分析

提出了将基于ETT度量的路由策略应用于多种带宽并存的战术通信网络中,克服了传统的采用基于跳数、距离等度量方式的路由选择策略的局限性。并使用OPNET对采用基于ETT度量的路由协议与传统的基于最小跳数度量的路由协议进行仿真,并对仿真结果进行分析比较,得出两种策略在特定网络仿真场景下性能的优劣差异。     

基于能量度量的星载AIS信号自适应码元同步抽取算法

基带信号码元同步抽取是目前星载AIS(Automatic Identification System)信号处理中的一个难点问题,针对过零检测和迟门早门等现有算法存在的不足,提出了基于能量度量的基带信号自适应码元同步抽取算法。将基带信号根据采样率和码速率的比值分割成相同的段的组合,之后分别计算每个段内相应样点的能量度量,最后选择使能量度量最大时的样点集作为最优同步抽取样点,该样点集具有最大信噪比。仿真结果验证了该算法误码率优于过零检测和迟门早门算法。     

基于MSA的高阶调制信号比特度量算法的研究

最小和算法(MSA)折中了译码性能和运算复杂度两个方面,是低密度奇偶校验码(LDPC码)硬件实现最常用的译码算法。比特后验概率对数似然比(LLR)是LDPC码MSA译码的关键参数,现有的高阶调制信号比特后验概率LLR计算方法及简化算法都需要估计噪声方差,估计值影响译码性能。论文从分析M阶无记忆二维调制信号比特后验概率LLR通用的计算方法入手,研究了适用于MSA译码的高阶调制信号比特后验概率LLR简化算法,该算法无需估计噪声方差,进一步降低了运算量和实现复杂度。     

网络化指挥信息系统弹性度量方法

网络化指挥信息系统弹性反映了网络化指挥信息系统在遭受风险后,能够主动吸收扰动、适应性调整和恢复再生的特性.在剖析网络化指挥信息系统弹性概念内涵的基础上,分析了网络化指挥信息系统的弹性过程和弹性要素,定义了相关弹性要素指标,提出了基于指标非线性聚合的弹性度量方法,为度量与评估网络化指挥信息系统弹性提供了量化模型与评价依据.     

基于Vague集的装备采购项目组织结构评价方法

在装备采购项目组织评价中引入Vague集理论，在列举现有项目组织结构类型的基础上，构建项目组织结构评价指标体系，建立各项目组织结构和理想组织结构的Vague集，计算各项目组织结构和理想组织结构的相似度量，完成对装备采购项目组织结构的评价，为装备采购项目组织设计奠定基础。     

基于动态时间规整下密度聚类的轨迹识别研究

为使地空导弹兵模拟训练系统获得的目标机动轨迹更加贴近实战、更有依据性,考虑对演习训练产生的轨迹数据进行分析,设计了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,针对有噪声数据的基于密度的空间聚类)预分类的DBSCAN改进DTW(Dynamic Time Warping,动态时间归整)聚类算法来分析机动轨迹.并与未预分类的DBSCAN改进DTW聚类算法进行对比,发现其运行效率和分类准确度方面均较优.同时分析了数据结构和算法的参数对分类效果的影响,发现数据规模越大,DBSCAN预分类的DBSCAN改进DTW聚类算法的优势越明显.通过仿真得到了使DBSCAN预分类的DBSCAN改进DTW聚类算法发挥最高效率的参数.