认知建模及其心理战

认知建模以神经科学、计算机科学和认知心理学为依托,深入研究人类的思维模式。心理战作为认知科学领域的研究范畴,其内在运行机制就是通过特定的手段传播特定的信息影响作战对象的认知,达到精神上影响甚至瓦解作战对象的目的。由此,认知建模的不断完善和发展能够为心理战的理论研究、实际训练和效果评估等提供理论支持和借鉴启示。     

适用于认知无线传感器网络的高效频谱分配方法

广泛工作在ISM(Industrial,Scientific and Medical)频段的无线传感器网络面临严重的频谱稀缺问题。在无线通信中,动态频谱分配被认为是提高频谱效能的重要途径。针对典型集中式管理的认知无线传感器网络设计了基于图着色结合负载强度的高效频谱分配算法。首先在协议干扰模型下确保频谱资源在空间上充分利用,随后综合考虑节点负载强度与公平性建立优化模型并按照乘子法加拟牛顿法框架求解最优值。仿真实验表明算法与固定频谱分配方式和传统自适应频谱分配算法相比,在系统吞吐量和节点缓冲区队列长度两个关键性能指标上具有显著优势。     

基于CAM的认知超宽带频谱感知方法

频谱感知是认知超宽带系统的核心部分,针对超宽带频带内授权信号类型确定的特点,为了弥补自相关检测不能够识别信号类型的缺点,提出利用信号的循环谱特征和自相关矩阵差异性来检测授权信号,该方法融合了自相关检测和循环谱检测的优点进行合作判决。仿真表明该方法在高低信噪比环境下均能比循环谱检测和能量检测得到更好地检测效果,因此适合于认知超宽带系统。     

无线认知网络中一种分布式最大频谱分配算法

无线认知网络被认为是下一代无线网络的核心架构之一。该网络能解决日益增长的频谱使用需求和低下的频谱使用率之间的矛盾。通过伺机接入临时可用频谱资源,其频谱利用率能得到大幅的提高。由于频谱资源分配是影响频谱资源利用率的关键,因此如何对频谱资源进行高效的分配一直是无线认知网络的重要研究领域之一。我们证明了在异构频谱使用概率条件下的最优频谱分配是NP难的问题。为了有效解决该问题,本文提出了一种基于分布式最大加权独立集的频谱分配算法——DMWIS。该算法的时间复杂度为O(V2/2)。通过大量的仿真实验,验证了在90%以上的不同随机网络环境下算法能在3轮内收敛,并且该算法一般能获得最优解90%的性能。     

军警体育教学中认知结构与动作技能的形成

军警动作技能是军警部队官兵所必备的素质之一,也是其具备野外作战能力的基础。但是,有些身体素质良好的军警人员,掌握和发挥动作技能的水平却很低。在教学中要从全新的角度对军警人员获得动作技能的过程进行认知分析,以促进认知结构与动作技能的形成。     

基于WSN的目标探测与分类算法

针对WSN监测系统的目标检测与分类问题,提出一种基于直觉模糊推理(IFR)的多源数据融合方法。由模糊推理的思想,设计各状态变量的属性函数。根据目标声强变化和引起的地磁场变化的模型,设计模糊推理规则,并检验了所建规则的合理性。理论分析与仿真结果的对比表明算法能准确地对目标进行分类,且运算量小,适用于计算能力较弱的WSN节点。     

基于认知实验的虚拟维修训练效果评估研究

为了客观、准确地评估虚拟维修训练系统的训练效果,从实验的角度出发,提出了基于认知实验的虚拟维修训练效果评估方法。首先,分析了虚拟维修训练的评估现状;其次,重点阐述了该方法的实施步骤,并通过对比维修人员基于传统训练手段和虚拟维修训练手段的考试成绩,评估训练系统的训练效果,为系统的改进、优化以及下一步的推广使用提供了重要的理论依据;最后,通过实例分析,验证了该方法的可行性和科学性.     

基于认知模型的人为差错分类方法

为了保证人为差错分类的全面性和一致性,在详细分析现有人为差错分类方法的基础上,提出了一种新的人为差错分类框架.该框架以"执行差错,忽略"为起点进行细化,得到五种基本的人为差错类别.以此作为人为差错原语,结合认知模型,分析了不同认知阶段可能出现的人为差错模式.实例证明,在这种分类方法指导下来分析人为差错,对提高人为差错分类结果的全面性和一致性有着重要意义.     

认知无线电专题讲座(四) 第8讲 下一代网络:认知网络

认知网络是一种具有认知能力和认知过程的网络,它能够感知网络当前的状况,并根据当前的状况来计划、决定并行动。文中首先介绍了认知网络的基本概念及设计目标,然后描述了认知网络的特征和一种架构——CogNet。最后提出了认知网络的潜在应用及在今后的研究中需解决的几个主要问题。     

认知域的公域特性及其关键技术

伴随着“认知域”作战概念被引入军事领域，现代战场已经形成了物理域、信息域、认知域三大作战维度。认知域已经成为美国战略空间拓展的主要战场之一。按照习主席关于要打好意识形态领域“制脑权”战争的思想，更需要重视认知域的攻防，研究相关技术，才能在没有硝烟的战场上不落下风。