SIP/SDP协议在IMS中的扩展应用

会话初始协议(SIP)与会话描述协议(SDP)是IETF提出的用于VoIP系统或IP多媒体子系统(IMS)的呼叫/会话管理和信息编码协议。SIP基于文本,简单灵活,易于升级扩展,是固定和移动网络向下一代网络演进的核心控制协议。SDP可用于多媒体会话的SIP消息编码,以便进行会话和媒体协商。文章在深入分析SIP/SDP协议及其扩展机制的基础上,针对专用IMS网络的特殊应用需求,提出了兼容服务质量(QoS)和密钥分发功能的SIP/SDP协议扩展方法,并对支持扩展功能的业务流程进行描述,最后对SIP/SDP扩展应用的相关问题进行了探讨。     

组网雷达的改进粒子滤波算法

针对现代战争中有源雷达容易受到干扰和反辐射导弹的摧毁,以及无源雷达隐蔽性高,只能测量方位角度,测量精度小等特点,提出利用集中式有源雷达系统与无源雷达系统协同组网对目标进行跟踪。但是在实际环境中,噪声属性以及有源雷达,无源雷达接收信号的特点决定了组网雷达需要应用非线性滤波技术对信号进行处理。传统的非线性技术包括卡尔曼滤波、扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)等方法。非线性近似过程带来的误差相对较大,而且均要求观测噪声和过程噪声为独立或相关的高斯白噪声。而粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样。仿真实验表明这两种改进粒子滤波方法有很好的效果。     

太阳能电池阵跟踪驱动过程扰振特性分析

太阳能电池阵对日跟踪驱动过程所产生的扰动是限制高精度航天器技术指标提高的主要因素之一。为获取驱动扰动的规律性特征,本文将太阳能电池阵及其驱动装置考虑为相互耦合的整体系统,从主要驱动环节出发建立其机电一体化扰振分析模型和Simulink动力学仿真模块,通过试验算例验证模型正确性,并分析了电池阵刚柔耦合和质心偏置等因素对扰振特性的影响。结果表明:转速波动将激起电池阵低阶扭振模态,扰动频谱具有步进电动机驱动和柔性结构振动的频率特性,但扭振扰动对刚体运动规律影响很小;质心偏置会引起电池阵平动与转动耦合的空间振动,激扰面外弯曲振型,改变扰振频率分布和放大扰振分量幅值。     

结合非负张量表示与扩展隐Dirichlet分配模型的图像标注

由于"语义鸿沟"的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。     

基于距离量测的主从式AUV协同定位方法

多AUV(Autonomous Underwater Vehicles)协同定位是多AUV协作系统研究的关键问题.通常在主从式协同定位中,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,主从AUV均装备水声通信装置.为了改善从AUV的导航定位精度,提出了利用主从AUV水声通信时间延迟测量二者之间的相对距...     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

“大规模杀伤性武器”界说

本文沿循"大规模杀伤性武器"诞生、扩展、演变的路径,正本清源,将云谲波诡的"大规模杀伤性武器"一语纷繁杂陈、数目众多的定义归纳诠释为"核武说"、"自然灾难规模说"、"核、生、化武说"、"大规模杀伤/毁灭说"、"大规模颠覆性效果说"、"全数武器说"、"常规武器说"和"敌方武器/恐怖主义武器说"等8类界说,并对各类界说做一简要述评.     

基于命中概率的箔条质心干扰反导能力研究

通过对舰艇箔条质心干扰反导过程的分析,分别在可行性分析基础上建立了无干扰情况下以及干扰各阶段反舰导弹命中舰艇概率模型,间接的对舰艇箔条质心干扰反导能力进行了定量研究。最后给出实例仿真对模型进行了检验,得出了相关结论及改进措施。     

一种固定单站对运动辐射源的无源定位跟踪算法

首先提出了一种测量目标辐射源脉冲到达时间和到达方向实现固定单站对运动辐射源进行无源定位的算法,该算法克服了EKF(扩展卡尔曼滤波)算法的一些缺点。另外给出了两种将该算法和卡尔曼滤波算法结合的改进方法,可以获得更优的定位效果。计算机仿真结果证明了上述两种方法是正确的。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。