基于遗传算法的无线通信节点部署优化策略

根据无线通信节点部署过程中网络受到区域环境影响和电波传播损耗等实际问题,建立了考虑区域影响的信号衰减模型和无线通信网络覆盖模型,提出了一种综合考虑网络覆盖和通信干扰的优化部署策略。该策略采用了加速遗传算法,大大降低了计算量。基于该优化策略,通过仿真实验得到了特定区域的最优通信节点数和节点部署位置图。     

基于稀疏卷积非负矩阵分解的语音转换方法研究

为了在语音转换过程中充分提取语音的个人特征信息,同时考虑到语音的稀疏性,文章提出了一种基于稀疏卷积非负矩阵分解的语音转换方法。卷积非负矩阵分解得到的时频基可以承载语音信号中的个人特征信息及语音帧之间的相关性,而稀疏卷积非负矩阵分解得到的过完备时频基更能体现语音的细节,可以较好地保存语音中的个人特征信息。利用这一特点,通过稀疏卷积非负矩阵分解从训练数据中提取源说话人和目标说话人相匹配的过完备时频基,然后通过时频基的替换实现语音转换。相对于传统方法,该方法能够更好地保存语音个人特征信息和语音帧间相关性,从而可以进一步提高转换语音的质量和相似度。实验仿真及主、客观评价结果表明,与基于高斯混合模型、卷积非负矩阵分解的语音转换方法相比,该方法具有更好的转换语音质量和转换相似度。     

双向中继网络中基于MSK的物理层网络编码

文中提出一种基于最小频移键控(MSK)调制的双向中继网络物理层网络编码(PNC)方案。该方案利用MSK信号记忆特性,在中继节点处将MSK和信号空间状态转移条件映射为异或信号,采用维特比算法近似最大似然检测。在此基础上进一步简化和信号的网格图,降低解码复杂度。最后仿真验证了所提方案的有效性。     

一种改进的网络发现策略

垂直切换作为异构融合网络中的关键技术,逐渐成为当前研究的热点问题。网络发现是垂直切换的基础,文章对现有的网络发现策略进行了分析并指出了其局限性,综合考虑了接收信号强度和终端移动速度对网络发现的影响,提出了一种改进的网络发现策略。仿真结果表明,在低速运动和高速运动场景下,该策略均能够很好的均衡网络发现效率和移动终端能耗。     

走进援建文化示范点——看书充电

"台州援建的基层党组织阵地建设示范点现在已经成了提升我们素质、丰富大家业余文化生活的有力阵地。我最喜欢在‘网络学习城’学习,可以知道不少致富信息和各种种植、养殖方法,真是长见识。"9月2日,在连队电教室上网查找棉花后期管理知识的一师八团四连职工王德和高兴地说。时光追溯到2011年,这一年,台州市投资42万元,对口支援八团     

坦克分队纵深战斗火力对抗建模分析

简要介绍坦克分队纵深战斗的概念及重要意义。围绕坦克分队火力对抗的要求,针对坦克分队纵深战斗中的特点,从分析发现概率、命中概率、毁伤概率和毁伤流密度入手,运用定性与定量相结合的方法,运用兰彻斯特平方律方程,深入研究坦克分队纵深战斗火力对抗的战斗效能,确定其交换率和兵力比例。算法简便易行,结构合理,专业性强。结论能够检验坦克分队新型装备的作战效能,符合实际战场需要。     

网络瞄准下武器协调发射与制导决策方法

针对网络瞄准下战斗机的作战特点,提出了一种武器协调发射与网络制导方法。首先分析了网络瞄准的基本概念与本质内涵,并结合网络化火控系统的特点,研究了网络瞄准下空空导弹攻击方式;然后构造了武器协调发射和网络制导的优势函数,建立了网络瞄准下武器协调发射决策和网络制导决策的数学模型,并通过该模型来选取合理的武器发射节点和网络制导节点,实现网络化打击。仿真结果表明,所提方法不仅可以根据战场态势和空中作战逻辑,实时决策出使网络整体优势达到最大的武器发射节点和网络制导节点,而且能够对武器发射和制导交接的时机以及战斗机的攻击方式作出规划。     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。     

军队审计促进战斗力生成模式转变的作用及途径

军队审计在战斗力生成模式转变中发挥揭露问题、防范风险、抑制病害的作用。通过转变审计理念、加快审计转型、突出审计重点、完善审计机制等途径,军队审计可以有效促进战斗力生成模式转变。     

遗传神经网络在保障资源需求预测中的应用

针对现代战争条件下装备保障资源需求变化快,保障资源预测困难的问题,首先分析了影响装备保障资源需求的因素,根据实际情况选取了平均维修间隔时间(MTBM)、平均修复时间(MTBR)等8项影响装备保障资源需求的关键指标,然后将基于遗传算法(GA)优化的反向传播(BP)神经网络应用于保障资源需求预测中,构建了基于遗传神经网络的需求预测模型,最后利用1980年～2010年实际保障资源需求数据对模型进行了验证.验证结果表明,基于GA优化的BP神经网络预测模型有较快的收敛速度、较强的适应性和较高的预测精度,适用于装备保障资源需求预测.