战术数据链网络同步技术的一种改进算法

现有的Link16网络同步算法,假定了询问与应答报文的传播时间相同,导致E值误差较大。提出一种改进算法,待同步JU相继向网内不同NTR发送询问报文,NTR分别发回应答报文。同时NTR间也发送往返计时报文,通过联立计算,提高时间误差的精度。改进算法的仿真分析结果,验证了新同步算法的可行性和有效性。     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

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。     

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。     

装备采购法规体系建设论证研究

自2008年开始装备学院按照总装备部综合计划部要求,先后开展了《装备采购法规体系建设论证研究》《装备采购合同订立法规体系研究》和《装备采购合同履行监督法规体系研究》3项课题,并于2009年10月完成,经总部鉴定验收后在全军推广应用。2012年10月获军队科技进步三等奖。项目的主要研究内容包括6个方面:①加强装备采购法规体系建设的必要性;②装备采购法规体系建设现状和存在的主要问题;③装备采购法规体系建设需求分析;④装备采购法规体系建设的总体思路;⑤装备采购法规体系建设的框架设计及法规项目设置;⑥加强装备采购法规体系建设的意见建议。     

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     

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。     

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.