基于多 Agent 系统的分队对抗建模仿真

使用基于多Agent系统的建模方法对分队对抗进行了“自底向上”地建模;建立了战场的模型,并从属性、行为、规则三方面建立了智能兵力Agent模型;基于多Agent仿真平台——NetLogo,构建了仿真系统,通过对Agent“微观”行为的仿真,获得了群体的“宏观”行为,为战争复杂系统仿真研究提供了参考。     

舰载预警机防空预警探测距离需求分析

提出了一种舰载预警机防空预警探测距离需求确定方法。首先对舰载预警机执行防空预警作战进行了描述,为满足拦截机对敌突击飞机进行成功拦截,预警机的预警探测距必须大于一个阈值,即所需最小预警探测距离。其次分析了舰载预警机所需最小防空预警探测距离与敌突击飞机速度、航母防空拦截机响应时间和速度之间的关系,构建了舰载预警机防空所需最小预警探测距离计算模型;最后应用典型案例,计算了多种防空想定下舰载预警机所需最小预警探测距离,仿真分析了敌突击飞机速度和航母防空拦截机速度对舰载预警机防空所需最小预警探测距离的影响。论文的研究结果为舰载预警机装备研制和作战使用提供决策依据。     

水雾扩散模型仿真

建立水雾红外衰减模型时,通常把水雾空间看作单一均匀整体处理,然而雾滴的扩散现象使水雾的雾滴密度无法保证处处相等,所以仿真结果与实际情况相比普遍存在较大偏差。针对这一问题,基于高斯扩散理论与Mie散射理论,提出了一种新的建模方案。通过将水雾空间划分为多个子空间,并计算每个子空间内水雾消光性能的建模方法,提高建模的准确性。同时结合红外制导导弹来袭的方向变化,计算出不同方向上的水雾消光性能。从仿真结果可以看出,这种建模方式能够很好地克服以往建模方法的缺陷,为探索水雾的精确建模提供了一种新思路。     

OFDM系统非数据辅助采样频率偏差估计的Cramér Rao界

研究了OFDM系统中非数据辅助采样频率偏差估计性能的衡量问题,推导了其Cramér Rao界(CRB).根据中心极限定理,对接收信号中的子载波间干扰进行近似,推导了在未知调制信息时接收信号的概率密度;根据CRB的定义,对非数据辅助采样频率偏差估计的CRB进行了推导;通过蒙特卡罗积分的方法得到了在不同OFDM基带调制方式...     

单矢量水听器的姿态修正测向问题探讨

提出了一种采用姿态修正的单矢量水听器远场测向方法.在实际应用中,矢量水听器的测向及其接收的质点振速分量信噪比(SNR)均会受到水听器偏转姿态的影响.为此,利用远场条件下只需两个振速分量和声压信息即可实现二维测向的原理,提出了一种基于振速分量选择处理的远场测向方法,该方法充分利用高SNR的振速分量,提高了测向精度.计算机...     

LRE试车数据挖掘中基于最大散度差的模糊聚类分析方法

在对液体火箭发动机试车数据进行聚类分析时,为解决故障数据样本与正常样本类间差异不大的问题,引入最大散度差准则,提出基于最大散度差的聚类算法MSD-CA.该算法以散度度量样本间的相似性,使样本的类内散度最小化和类间散度最大化同时进行.在此基础上,应用模糊理论对最大散度差准则进行模糊化,提出基于最大散度差的模糊聚类算法MS...     

基于赋时Petri网的弹种发射时序优化

针对单通道多弹种的匹配发射问题展开了研究.首次提出用赋时Petri网来描述弹种匹配发射流程,通过在变迁中引入时延因素,简单而有效的描述了发射过程中资源的占用和消耗情况.建立了弹种发射时序优化模型,并利用Petri网的分析方法,得到若干发射序列,选择出满足时序逻辑关系的发射序列,从而得到最优的弹种发射控制方案.并通过具体实例予以了计算验证.此文的研究可为武器系统的单通道多弹种作战使用提供一定的理论支撑和决策参考.     

基于LS-SVM的飞机保障性预测评估建模

针对飞机保障性预测评估建模难的问题,基于统计学习理论,采用LS-SVM方法,建立了飞机保障性的预测模型。仿真试验结果表明,LS-SVM具有很高的建模精度和较强的泛化能力,从而验证了该方法的有效性和先进性。     

雷达显示器余辉仿真方法

雷达显示器仿真是雷达系统仿真的重点和难点,主要论述了扫描线余辉的实现方法,对雷达显示器自动搜索和手动搜索的余辉效果仿真分别进行了详细介绍,解决了显示器余辉仿真中的难点问题.利用OpenGL进行雷达显示器仿真,并给出了相应的运行结果.实现了高质量仿真,结果表明,该方法达到了很好的仿真效果.     

降低ST-OFDM信号峰均比的PTS技术

部分传输序列(PTS)算法是解决空时正交频分复用(ST-OFDM)系统中高峰均比(PAPR)的有效方法之一.针对传统的PTS算法复杂度高的缺点,提出一种新的迭代PTS算法.该算法采用了综合交织与伪随机的优点的串联伪随机分割方法,就是局部伪随机而整体呈交织分割特征的分割方式,同时采用迭代方法来寻找次最优辅助信息,通过牺牲...