分布式传感器网络自适应一致性融合估计算法

针对分布式传感器网络的目标一致性状态估计问题,提出自适应一致性融合估计算法。考虑到网络中节点为测距和测方位的传感器,基于观测噪声与目标状态相关的假设,构建量测模型;引用无迹卡尔曼滤波与CI算法得到各节点的局部估计,通过误差矩阵加权更新节点状态以改进一致性算法,实现各节点对目标状态的一致性估计。仿真实验结果表明,该算法能够在快速收敛的过程中实现无中心节点的分布式传感器网络中各节点对目标位置的精确估计,同时又保证各节点之间的一致性。     

多站遥测数据加权融合方法

针对靶场试验中遥测数据融合处理问题,提出了一种多站遥测数据加权融合处理方法。依据对加权融合思想的分析,构建了融合权重与测量精度之间的对应计算模型;依据地面测量站对导弹实测数据的统计分析,构建了测量设备实时测量精度模型。基于典型算例对所提算法进行验证,结果表明所提算法能够较好地解决遥测数据融合处理问题,具有一定的理论意义和较好的应用价值。     

FDIA对雷达组网系统数据融合的影响分析

雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。     

快速精准,在战“疫”中提升动员能力——安徽省合肥市国防动员系统激活动员潜力抗击疫情纪事

抗击新冠肺炎疫情,是一场没有硝烟的战争。在这场阻击战中,安徽省合肥市国防动员系统持续激活动员潜力,在防控一线研战备战、练兵强兵,探索战时国防动员潜力向战斗力转换的新路径,实现国防动员能力在战“疫”中不断跃升。数据真实确保精准动员。此次疫情,最大的困境就是初期医疗防护物资不足。2月8日,驻合肥两家部队医院医疗物资告急,向合肥警备区发来援助请求。