基于BFS和FPGA-CPU的混合加速器设计

为了实现由软件和硬件执行小世界图搜索的加速器系统,提出了一种在单芯片FPGA-CPU异构硬件平台上基于广度优先搜索算法实现的混合加速器系统设计;提出了采用线性代数语言实现的BFS;提出了一种处理单元结构,它由一个负责与主存储器全部交互的后端、用于执行布尔塥运算的前端和一个距离生成器构成;在ZedBoard平台上设计了一种采用Xilinx Zynq Z7020 FPGA-CPU混合结构的实际加速器系统。实验结果表明,设计的混合加速器不仅能够实现小世界图的快速搜索,而且相比于目前其他先进的基于BFS算法的混合加速器结构有更好的加速性能。     

恶劣天气下的多扇区动态容量评估方法

针对当前容量评估技术考虑不够全面的问题,提出了多扇区动态容量评估方法。通过分析扇区容量影响因素,加入扇区耦合性的概念,建立了多扇区管制员工作负荷模型;通过量化空域单元阻塞程度,得到恶劣天气下的多扇区可用率;最后选取典型多扇区空域进行算例仿真,评估空域系统的动态容量,多扇区在恶劣天气下的动态容量为17架次/15 min,评估结果验证了该方法的有效性和灵活性。     

引入速率量测的高速机动目标跟踪多模型算法

在机动目标跟踪定位问题中,引入参考加速度的跟踪算法对目标定位跟踪精度高、效果好,但在目标发生高速机动时,其跟踪误差较大,收敛速度慢。针对这种情况,提出一种引入速率量测的自适应性圆周运动跟踪算法,并通过建立一种模型结构变换机制,将两者算法有效结合,构成一种变结构多模型算法(Variable Structure Multiple Model,VSMM)。在高机动条件和典型反舰导弹攻击航路下对算法进行仿真实现,证实了该算法相比于引入参考加速度跟踪算法,跟踪精度较高,收敛速度更快,具有一定工程实践指导意义。     

一种基于改进K-means算法的空间群划分方法

空间群划分是兵力分群的重要环节,其关键在于确定"距离"度量函数、分群数目和初始分群中心。传统算法的初始聚类中心和聚类数目不固定,直接用于空间群划分将使得划分结果不稳定。为此,提出了一种基于改进算法的空间群划分方法。利用了现有空间群划分方法中的距离函数改进策略计算敌方作战单元两两之间的"距离",引入一种快速搜寻高密度点的方法,确定了初始分群中心和分群数目,通过仿真实验验证了该方法的有效性。     

贝叶斯网络结构学习优化方法研究

针对贝叶斯网络结构学习的复杂问题,首先在深入研究网络结构特点基础上建立了1-步依赖系数BN邻接矩阵,将网络结构学习问题转化为邻接矩阵边的关系处理;然后,采用爬山算法进行局部寻优,再用遗传算法进行全局优化的思想进行贝叶斯网络结构求解。算例分析表明:所提算法可行,计算效率高于遗传算法。