分布式间歇干扰下基于SMI的GNSS空时自适应处理器性能分析

针对全球导航卫星系统接收机面临的分布式间歇干扰威胁,全面准确地分析了基于采样矩阵直接求逆方法的空时自适应处理(space-time adaptive processing, STAP)的抗干扰性能。在建立性能分析模型的基础上,根据间歇干扰造成的采样协方差矩阵不匹配情况,通过分类评估、梳理归纳、理论推导全面分析了不同情况下STAP的性能。分析结果表明在采样长度小于闪烁周期且使用预采用处理方法时,空时自适应处理器会出现漏采样,干扰抑制性能会急剧下降,漏采样出现的频率为各干扰闪烁频率之和。数值和仿真分析验证了理论分析的结果,在此基础上讨论了考虑分布式间歇干扰时STAP的优化设计。     

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。     

分布式综合化航空电子网络拓扑优化技术

针对分布式综合化(DIMA)架构下实时动态消息流和网络资源能力,优化航空数据和通信网络(ADCN)拓扑问题,提出一种基于业务拓扑、网络拓扑以及延迟、线缆约束下的多目标网络拓扑优化算法。该算法能够基于驻留任务的信号、逻辑连接、物理连接关系,在资源约束下优化机载网络拓扑。算法通过组合优化方法计算折中全局最优解集(Pareto最优)。对于大规模机载网络架构优化,为了减少计算规模和提高计算时间,又提出一种预计算路径算法。算法通过类A320机载网络拓扑场景和类A380机载网络拓扑场景进行验证。结果表明,相比手动功能映射和网络拓扑优化设计,优化效率能提高10%～30%。     

基于偏好联盟博弈的导弹集群分布式任务分配模型

在空空导弹拦截大规模集群的场景中,由于集中式算法求解大规模任务分配问题的性能面临通信能力和实时性的限制,研究使用分布式算法求解任务分配问题具有重要的现实意义.以偏好联盟博弈模型为基础,设计了分布式导弹集群任务分配模型,并使用博弈学习算法中的空间自适应博弈(spatial adaptive play,SAP)算法求解最优...     

某自行高炮虚拟训练系统设计及关键技术

结合自行式高炮装备的结构特点和训练需求,采用机理与外观相分离的设计思想,建立一种多节点、多任务的分布式仿真训练系统。以机理模型为设计核心,采用了客户/服务器模式的系统拓扑结构。介绍了复杂装备外观建模方法和交互技术以及基于MATLAB的机理模型构建和系统集成方法。     

基于位置信息的无线传感网络路由改进

基于位置信息的无线传感器网络如果完全采用无状态的方式路由,在某些拓扑结构中存在数据不可到达的缺陷,即死亡点的问题.针对这一问题,将无线传感器网络抽象为一数学模型,在此模型的基础上,给出了问题的数学描述.经分析,提出了一种基于逃离算法的详细解决方案.对算法的性能从理论上分析得出算法没有环路,是正确可行的,而仿真结果也验证了这一点,算法的时间复杂度为O(n).     

无线指挥局域网技术的研究与改进

分析、计算了IEEE802．11无线局域网极限直视距离,并提出了改进的方法。通过增设反射面改善了天线增益,应用无线漫游方案解决了现有条件下1000m范围内终端都能连接的问题。     

分布式标图系统关键技术研究

针对分布式标图系统的面临的主要问题,提出运用发布/订阅和消息中间件的技术,实现分布式标图系统的松散耦合,有效地降低了系统中的数据流量.介绍了基于消息中间件和发布/订阅机制实现的分布式标图系统的主要数据结构和功能模块的实现方法,指出这些技术对通用综合态势图的生成也具有重要意义.     

基于组件的分布式仿真系统

针对模型重用问题,提出采用BOM标准构成模型组件.本研究采用该标准构造了基于BOM组件的HLA导弹突防能力仿真系统,并对采用该技术的分布式仿真系统有关技术进行了深入探讨.研究表明,BOM技术重用性好,是仿真应用领域的重要发展方向.     

分布式飞行视景仿真平台的设计与实现

基于多机空战战法训练设备的开发,对视景平台的组成、接口、网络结构、运行机制进行了总体设计,构建了一个具有基本仿真功能,并且相对通用的分布式可视化实时视景仿真平台.重点对飞行动力学仿真系统、视景显示系统和接口网络数据驱动进行了研究与实现.为提高平台的通用性和扩展性,采用了仿真控制主机和目标仿真机运行模式.仿真建模(Simulink)、三维建模(creator)和视景驱动(vega+vc)均采用商业软件,降低了平台的开发难度,缩短了开发周期,并且获得了高质量效果.