基于蚁群算法的防空兵兵力机动线路优化

根据防空兵对机动线路的要求以及战时的安全性特点,得出影响防空兵兵力机动线路选择的因素,引入里程指数的概念.将线路的长度进行修正赋权,给出兵力机动线路的等效线路长度.把这一等效线路长度结合到蚁群算法中.能够较好地模拟现代战场的复杂环境对防空兵兵力机动路线选择的影响,并科学、合理地选择路线,为指挥员的决策提供帮助.     

基于方位角和多普勒的机动目标无源定位跟踪可观测条件

可观测性分析是无源定位与跟踪系统的前提和基础,只有满足可观测条件才能对系统进行正确求解。应用线性系统理论,以目标方位角和多普勒频率为观测量,对匀加速和匀转弯这两类最常见的机动目标进行了可观测分析,为进一步研究机动目标的无源定位与跟踪提供了理论前提。最后给出了仿真实例,验证了理论分析的正确性。     

基于效能评估的反舰导弹方案选择问题研究

通过建立效能模型对超音速导弹与亚音速导弹的作战效能进行了对比分析,建模并全面量化比较了两类导弹的固有作战能力、可用性和可信赖性指标,对比了各自的优缺点,在此基础上探讨了反舰导弹的方案选择和发展方向问题。     

决策树知识表示的多故障源搜索算法研究

在深入研究产生式规则知识表示的基础上,运用决策树知识表示方法,完成故障诊断专家系统的知识库设计,对传统的单故障源决策树搜索算法进行了改进,解决了相同故障现象的多故障源连续搜索和定位问题,提高了推理机单次故障诊断的定位率和搜索效率,缩短了故障诊断专家系统的诊断时间。     

基于CFD的两栖车辆水上阻力预测

针对两栖车辆水上阻力难于预测的问题,研究了基于计算流体力学(Computational Fluid Dynamics,CFD)的外流场数值计算方法,提出结合车辆水上运动模型预测车辆高速航行时水上阻力的方法,分析了外流场数值计算中数学模型、定解条件、两相流模型以及流场网格划分和边界条件处理方法等问题;通过修改刚体空间运动方程,构建了两栖车辆水上运动模型,实现了引入车辆水上运动模型的两栖车辆水上绕流场计算.试验结果表明:基于CFD的两栖车辆水上阻力预测方法具有良好的预测精度.     

面向时空交通栅格流量预测的3D通道注意力网络

城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。     

分布式灾难恢复系统

分布式灾难恢复系统采用客户层、服务层和管理层3部分组织形式,完成数据的网络备份和恢复,并提供管理功能。系统通过构建分布式远程备份体系结构,采用ACE(自适配通信环境)面向对象构架,线程池和反应器编程模式,实现了网络互连、事件驱动程序设计,完成了备份计划制订、数据备份、数据恢复3个阶段各个模块的功能。     

调频脉冲信号辐射源多普勒信息提取方法研究

提出了一种基于单脉冲频率及频率变化率联合估计和多脉冲联合估计脉冲重复周期变化率的调频脉冲信号辐射源目标多普勒参数提取方法。该方法解决了无源定位系统数据采样频率与辐射源脉冲重复周期不匹配造成的频率偏差问题,在脉冲到达时间的提取上避免了对脉冲边沿的判断,使得利用中频采样信号计算脉冲重复周期成为可能。介绍对了该方法所采用的频率及频率变化率联合估计关键技术,并在此基础上讨论了该方法所能达到的理论估计精度及误差分析,最后通过仿真试验验证了该方法的可行性和有效性。     

基于移相器控制电压的“动中通”波束形成改进算法

在波束形成技术中,基于同时扰动随机梯度估计算法计算接收功率对移相器控制电压的梯度,研究了同时扰动随机梯度估计算法中扰动量和电压更新方程中步长的取值问题。仿真结果表明,随迭代次数变化的扰动量较固定扰动量能有效地提高算法的收敛性能,在同时扰动随机梯度估计算法中,将步长改为随阵元空间位置变化,能有效地提高电压更新方程的收敛速度。研究了与变扰动量有关的参数取值,指出了参数的选取准则。MATLAB仿真结果验证了所改进算法的正确性和有效性。     

三维点云深度模型压缩算法

随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。