结合DSmT理论和系统建模的知识融合算法

目前国内外常用的一种知识融合算法是DS证据理论,但这种方法受到单一故障假设的条件限制,应用范围受限。所以,提出了一种使用DSmT混合组合规则与系统建模方法的全新的知识融合算法,这样即解决了DS理论的单一故障假设的限制,又避免了自由DSmT只适用于不考虑排斥性约束和非存在性约束的条件限制,使得算法的应用范围更广。     

基于小波包变换和伪魏格纳分布的轴承故障诊断

将小波包变换理论和伪魏格纳分布应用于齿轮箱故障诊断中,结合实例对轴承的振动信号进行分析,结果表明:小波包变换能有效地提取各频段的高频成分,通过对提取的信号做伪魏格纳分布,结果能形象、直观地反映出轴承故障的时-频信息,而且对故障信息具有较强的判别能力。     

水下武器仿真系统的可组合性

针对水下武器对抗仿真系统(Underwater Weapon Confrontation Simulation System,UWCSS)的特点,分析了UWCSS的层次,提出了针对水下武器对抗仿真系统可组合的形式化方法。系统研究了仿真实体及其属性、实体关系、实体的内行为、实体之间的交互以及仿真过程的形式化描述问题,为水下武器对抗仿真系统的组合性开发提供了理论支撑。     

噪声干扰下雷达目标检测概率计算模型研究

针对雷达自身性能和干扰因素对雷达目标检测概率的影响,分析了噪声干扰情况下检测概率同干扰机有效功率、干扰机位置之间的关系,联合雷达的最大作用距离、工作频率等性能参数,得到了噪声干扰情况下雷达检测概率的表达式。并运用秩K法则,得到了噪声干扰下雷达网综合检测概率的表达式,解决了噪声干扰下雷达网检测概率的确定问题。仿真结果验证了模型和方法的有效性。     

装甲车辆视界测定试验方法

针对装甲车辆视界测定试验中存在的问题,分析了视界概念的内涵和外延,澄清了视界测定试验中的模糊认识。对于正确理解视界的含义、合理选择试验方法、严格控制试验条件和视界综合评价提出了科学的建议。     

电磁屏蔽模型房接地性能实验研究

接地是建筑物实现宽频电磁屏蔽的重要技术措施,而导电的屏蔽功能层与接地系统电连接后也反过来影响接地的性能指标。采用导电混凝土为主料制作接地电极和电磁屏蔽模型房,测试单屏蔽模型房悬空、单电极-单屏蔽模型房接地以及单电极-双屏蔽模型房并联接地3种情况下的接地电阻变化规律。实验发现,屏蔽功能层本身可以等效为一个电阻,与接地系统并联后可以有效降低接地电阻;屏蔽功能层面积越大,电阻降低越多。实验结果可以为建筑物电磁屏蔽工程的接地设计与实践提供参考。     

基于TensorFlow的四旋翼无人机着陆地标识别

针对多旋翼无人机在无人干预情况下的自主着陆问题,提出一种基于迁移学习的地面标识图像检测方法.该方法基于TensorFlow深度学习框架,使用迁移学习技术在地面标识数据集上重新训练Inception-v3模型以构建新的地面标识识别模型.以四旋翼无人机为例,将其拍摄的着陆坪图片与其他地面标识图片作为训练集输入神经网络,通过多次训练校正神经网络参数.实验结果表明,基于迁移学习的四旋翼无人机着陆地标识别比直接基于In-ception-v3模型的识别效果要好得多,在仅有数千张训练图片的情况下,测试准确率超过90％.在Windows下训练、测试的模型可移植到树莓派3B上,完成了基于Python和TensorFlow开发的程序在不同操作系统下运行的验证工作.     

改进的多目标GM-PHD分量融合算法

密集杂波的平行多目标跟踪场景中,高斯混合概率假设密度滤波器的计算代价随着分量的增多而不断变大,且其目标状态估计精度较低.为了解决这些问题,基于高斯混合概率假设密度滤波框架,提出一种改进的目标分量融合算法.通过目标分量的权重、均值及协方差的充分协作,该算法能够极大程度地融合目标强度中的相似分量,同时能够有效地避免真实目标分量被错误融合.仿真结果表明,密集杂波环境下该算法不仅具有较高的目标状态估计精度,而且其计算代价相对较低.     

反恐战术云:中心云在反恐战术边缘的延伸

为了应对在战术边缘环境中遂行反恐处突任务所面临的设备接入受限、动态连续决策能力弱、信息融合处理能力匮乏、指挥通信时延过大等问题,创新地设计了全层级服务体系,提出了反恐战术云概念,将中心云的服务能力下沉到战术边缘,以期为反恐战术边缘提供机动灵活的数据处理和连续决策能力,适应反恐部队对感知、协同、决策、时延、能耗方面的特殊需求.     

一种面向军事物联网的网络流量异常检测模型

针对军事物联网中网络流量数据日趋复杂,数据特征维度高等特点,将卷积神经网络算法应用到网络流量分析领域.根据数据特点,构建出一种基于无池化层改进型卷积神经网络(NPCNN,No Pooling CNN)的网络流量异常检测模型.采用Modbus、NSL-KDD和KDDCup99数据集对NPCNN网络流量异常检测模型进行验证,同时将NPCNN网络结构同传统的卷积神经网络对比,通过对实验结果的分析发现,该模型在军事物联网网络流量异常检测中具有可行性和可扩展性.同时NPCNN网络在准确率性能方面优于传统的卷积神经网络,为军事物联网网络流量分析提供一种可靠方法.