基于三元阵的水下目标运动分析算法研究

针对由水听器构成的三元阵系统,提出了一种新型的水下目标运动分析方法.利用测得到达不同水听器的时延差,建立了状态方程和观测方程.运用扩展卡尔曼滤波算法,研究了该系统的目标运动参数估计问题.蒙特卡洛模拟仿真试验结果表明上述方法具有较好的定位性能,该系统结构简单,有良好的应用前景.     

谈消防集群通信系统的功能扩展

随着火灾特点的变化和科学技术的发展,提高消防部队灾情响应速度的要求日渐强烈,建立更加智能化的接处警系统迫在眉睫。这就要求作为灭火救援重要组成部分的集群通信系统具有与其它网络的相容性,从组呼、联网调度、故障弱化功能、数据传输及查询、集群系统与常规系统互联等方面探讨集群通信系统的功能扩展。     

基于状态的装备可靠度模型及其应用

为应用基于状态的装备可靠度模型,实现对装备的精确维修,采用了比例风险模型（Proportional Hazards Model,PHM）将装备的年龄信息及检测所得状态信息融入系统的风险函数中。考虑到样本包含截尾数据的情形,应用极大似然估计方法对模型中的参数进行了估计以及相应的模型检验。通过对该方法在一个实际案例中应用的详细分析,验证了方法的可行性。     

机械振动烈度的频域算法研究

在理论分析的基础上,研究了利用DFT在频域计算振动烈度的方法,并结合实践经验,给出了实际应用中的注意事项。在频域计算振动烈度,对振动信号类型和计算频率范围选择具有较强灵活性,避免了在时域利用微积分进行信号类型转换和选频滤波等处理过程。     

模糊识别和随机森林算法在柴油机振动信号状态识别中的应用

针对模糊识别算法中,样本特征向量中各参量(分量)对状态分类的贡献权重难以确定的问题,提出了利用随机森林算法对特征参量的重要度评估结果作为特征权重的方法。通过对柴油机台架试验振动信号的跟踪分析,获得了柴油机在磨合期、100摩托小时、200摩托小时、300摩托小时及400摩托小时5种不同使用期(典型状态)的75个振动信号样本,然后计算出各类样本在幅域、时域和频域的特征参量,利用随机森林算法进行特征选择,确定4个重要特征参量及其权重,用统计方法得出其隶属度函数,最后根据评价向量对样本进行识别,识别准确率达到94%以上。     

面向WWW业务的移动台状态转移算法研究

文章以下一代移动通信系统中的 WWW 业务为应用场景,提出了一种动态控制移动台状态转移行为的算法。算法的目的是有效地均衡 WWW 会话过程中的控制开销和信令连接占用效率两方面性能。文章采用Pareto 分布建立 WWW 业务模型。算法同时考虑了状态转移和移动性管理对总的控制开销的影响。仿真结果表明,该算法对信令连接重建概率和信令连接占用效率两方面性能提供了良好的平衡机制,并使控制开销总量维持在较低水平。     

基于状态约减的信息攻防图生成算法

针对攻防图构建中存在的状态爆炸问题,提出一种基于状态约减的攻防图生成算法。该算法在分析攻击者和目标网络特点的基础上,对独立状态节点的权限进行对比;其在保留最高权限节点的前提下,实现对低权限节点的约减,并去除冗余攻击路径。仿真实验表明算法具有计算复杂度低、能有效降低状态爆炸以及控制攻防图规模等优点。     

层间接触与弹性模量对某导弹场坪动载的影响

为了研究某型导弹典型公路发射场坪沉降量和受力状态,利用混凝土塑性损伤模型建立某导弹无依托发射场坪有限元模型,在选取30种典型路面结构的基础上,分析了土基层弹性模量和面层与基层间黏结状况两个因素对路面动载响应的影响。结果表明:层间接触不良会导致路面弯沉、剪应力变大。同时得出该型导弹发射道路土基层弹性模量应大于20 MPa。研究结果对于评估导弹无依托发射生存能力和快速反应能力提供参考依据。     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。