高精度CFD程序的内外子区域划分异构并行算法

对计算流体力学(Computational Fluid Dynamics, CFD)程序CNS提出一种Offload模式下对任务内外子区域划分的异构并行算法,结合结构化网格下有限差分计算和四阶龙格-库塔方法的特点,引入ghost网格点区域,设计了一种ghost区域收缩计算策略,显著降低了异构计算资源之间的数据传输开销,负载均衡时CPU端的计算与MPI通信完全和加速器端的计算重叠,提高了异构协同并行性。推导了保证计算正确性的ghost区域的参数,分析了负载均衡的条件。在"CPU(Intel Haswell Xeon E5-2670 12 cores×2)+加速器(Xeon Phi 7120A×2)"的服务器上测得该算法较直接将任务子块整体迁至加速器端计算的异构算法性能平均提升至5.9倍,较MPI/OpenMP两级并行算法使用24个纯CPU核的性能,该算法使用单加速器时加速至1.27倍,使用双加速器加速至1.45倍。讨论和分析了性能瓶颈与存在的问题。     

BDS/INS紧组合三频动对动模糊度解算方法

针对伪距观测噪声较大导致动对动条件下三频整周模糊度解法(Three Carrier Ambiguity Resolution, TCAR)模糊度解算不可靠的问题,提出了一种BDS/INS紧组合三频动对动整周模糊度解算方法。通过紧组合系统输出的高精度位置坐标,估算出双差几何距离值,并用其分别代替无几何和几何模式下的双差伪距观测值,显著降低了伪距双差观测噪声水平,有效提高了三频整周模糊度解算成功率。仿真实验结果表明,BDS/INS紧组合输出的高精度位置坐标使得伪距观测精度提高了60%以上,在短基线条件下,当伪距观测噪声达到2 m时,无几何模式下的TCAR算法模糊度解算成功率为0.73%,几何模式下的TCAR算法模糊度解算成功率为31.25%,而BDS/INS紧组合的TCAR算法在两种模式下的模糊度解算成功率达到99%以上,并且获得了厘米级的相对定位精度。     

博弈条件下基于SINR的制导雷达波形设计

针对电子战环境中用于扩展目标检测的制导雷达波形优化问题,提出了3种博弈策略模型,并针对不同博弈策略模型分别给出了波形优化策略。在前两种模型中,以最大化信干噪比为准则,在杂波条件下采用注水法优化波形;在第3种模型中,给出了智能雷达与智能目标之间的均衡解,并采用两步注水法得到了最优波形设计方案。仿真结果展示了不同条件下制导雷达和目标的功率分配策略。     

基于集对分析的坦克多目标威胁评估方法

针对在未来陆战场复杂多样的局势下,坦克应具备对敌目标实时准确威胁评估的能力。基于客观的熵权法和模糊的集对分析方法,提出坦克的战场威胁评估方法。能够在基于客观目标分析的基础上,引入熵的概念来决定威胁评估的权重分布,在评估过程中考虑到评估自身的随机性与不确定性,采用区间数的形式,利用模糊的集对分析方法,进行评估过程中的计算,达到简单快速的计算过程。经应用实例计算证明,该方法具备相当准确性,评估结果合理,评估方式灵活实用,可满足评估的实时性需求。