基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

基于时序超网的作战体系效能指标动态测量方法

由于作战体系具有整体涌现性、动态演化性以及能力相对性等复杂系统特征,传统树状指标体系与加权求和的静态评估方法已不再适用。提出一种基于时序超网的作战体系效能指标动态测量方法。以复杂网络理论为基础,利用网络模型特征参数对部分作战体系效能指标进行映射;采用超网络与时序网络相结合的方式,构建作战体系时序超网模型;通过分析体系超网络中各层网络的特点,分类选取网络特征参数。基于兵棋推演数据对作战体系中交战网的特征参数进行了动态测量,验证了方法的有效性。     

基于异态集成学习的飞行目标辅助识别模型

对飞行目标类型的准确识别是空中作战意图识别的前提和基础。针对当前各类识别模型在训练样本较少时,较难同时获得模型的稳定性和较好的泛化能力且在线学习能力较差的问题,提出了一种基于异态集成学习的飞行目标辅助识别模型,将k近邻学习模型与BP神经网络模型进行整合,使模型兼具训练稳定性与较好的泛化能力;通过算法设计,模型具有了整体动态更新的能力。基于某作战仿真系统完成飞行目标识别实验,对比了该模型与各类模型的性能表现。实验结果显示所提出的模型识别正确率稳定在90%左右,且在个体学习器的基础上至少提高2%。     

突发威胁下的无人机动态航迹规划研究

针对突发威胁下无人机动态航迹规划的问题,提出了一种避开突发威胁的动态规划算法。利用A*算法生成全局最优航迹并进行平滑处理。当遇到突发威胁时,利用三次样条的二阶连续性及边界条件进行局部航迹规划,能够生成一簇候选路径,根据候选路径中心线与突发威胁中心线之间的夹角对候选路径簇进行旋转调整,使其路径簇完全包围突发威胁且具有对称性。最后综合考虑安全性、平滑性和连贯性的3种代价函数,建立总代价函数,选择出最佳的规避威胁航迹。实验结果表明,该算法能够在众多候选路径中选择出一条完全避开障碍安全平滑的较优航迹,且耗时短,实时性较强。     

考虑落角约束与驾驶仪特性的自适应径向基空间末制导律

为使舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,考虑驾驶仪动态特性,基于自适应径向基逼近网络与动态面提出一种空间末制导律。构建弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与角速率,采用自适应指数趋近律设计非奇异终端滑模,运用自适应径向基逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了系统的视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明:该末制导律使制导炮弹在空间中打击不同机动形式的近岸目标时,具备良好的末制导性能。     

飞行流量变化下的动态扇区划分研究

为了解决当前扇区动态配置效率低下的问题,提出了飞行流量变化下的扇区动态划分方法。分析非决定性因素影响下飞行流量服从的不确定分布,通过建立空域有限元拓扑网络和量化管制员负荷,以均衡监视负荷和减少协作负荷为目标,应用结合二进制和反向学习的高级烟花算法,最终生成了最优扇区划分结果。仿真实例表明,该方法在满足时效性的同时加快了收敛速度,提高了管制效率,适用于实际扇区的优化调控。