基于网络结构的武器装备体系能力分析

现代战争以及从"平台为中心"转向以"网络为中心",强调的是通过各类武器平台通过相互之间的协作配合而形成作战网络来实现体系能力。从宏观和微观两个角度分析了武器装备体系能力的实现机理,构建了武器装备体系的作战网络结构模型,给出了作战网络结构模型中的节点类型和关系类型,提出了能力环的概念,从作战网络结构的角度对武器装备体系的整体能力进行了分析,并给出了具体算例。     

网络作战能力评估研究

近年来,国内外学者对网络作战能力评估问题进行了大量深入的研究,并取得了很多重要成果,但是缺乏对该领域研究现状的归纳与总结。网络作战能力评估主要涉及指标体系构建、指标权重确定以及评估方法的选择,归纳了3种网络作战能力评估指标体系构建方法及划分角度,并进行对比分析;梳理了3种评估指标权重确定方法,并对其特点进行总结;介绍了几种常见网络作战能力评估方法。为组织网络作战能力评估提供一定的借鉴和参考。     

航空加权网络抗毁性综合评估方法

根据目前网络抗毁性研究中指标单一、网络无权等不足,针对航空网络的特点,以流量为边权,提出了一种多指标的航空网络抗毁性评估方法。基于网络吞吐量、相似权网络流量、节点相邻边权重分布分别构建了鲁棒性度量、网络效率度量、网络适应性度量。最后通过建立西北地区航空网络进行仿真,结果表明:西北地区航空网络具有与星型网络相似的性能,鲁棒性较差,网络效率较好,咸阳和乌鲁木齐作为中心节点,具有较好的主抗性能。实验结果证明了该评估方法的有效性。     

协同作战中信息分发算法研究

大规模协同作战中的高效通信问题为当前信息战的研究重点之一,但由于单独作战单元无法了解全局的信息内容及需求方,这给通信资源有限的参战兵力之间的态势共享带来了困难。为此提出了一个分布式协作信息分发算法,在理论上借鉴了复杂网络的小世界特性,即单元节点可以通过邻节点在较少跳数内完成信息的传输。在思路上利用了信息相关性概念,作战单元利用信息之间的关联性及信息与节点之间的收发关系建立控制信息发送的路由表。并通过仿真实验验证了不同网络拓扑下算法性能的变化情况,结果证明分发算法能较好地支持信息共享。     

新疆民汉教师网络学习现状差异对比研究

文章调研民汉教师在网络学习次数、网络学习资源获取能力、网络学习条件、网络学习人际互动水平、网络学习效果等方面的现状.一方面,通过独立样本T检验发现,民汉教师在参与网络学习的次数、网络资源获取能力上存在显著性差异,而在网络学习条件、网络学习人际互动水平、网络学习主动性以及网络学习效果方面并不存在显著性差异.另一方面,通过多因素方差分析发现,男性民族教师网络学习现状整体状况较差,有待进一步提高;大龄及教龄较长的民族教师在网络学习主动性及网络交流人际互动水平上与汉族教师存在较大差距,值得关注;乡镇级学校民族教师网络学习条件较差,网络学习主动性和网络人际互动水平均亟待提高.     

片上多核处理器的双向环设计与物理实现

针对少量强核构成的片上多核处理器,设计了一种双向环。该结构包含5个不同类型的环链路层,分别用于传输命令、大量数据以及小量数据;采用源路由方式,并设计了专门的拥塞控制网络,防止报文的相互覆盖;路由器采用无缓冲无阻塞结构,单节拍通过环的每个跳步,以降低环的传输延迟并实现可预知的确定延迟传输。针对环的链路距离长位宽大的挑战,通过实验选择了合理的中继器插入方法,并采用相邻导线交替插入反相器以信号线反向交错排布等串扰优化等方法,对环进行了物理设计和和长链路进行了延时优化。最终实现结果表明,本文所设计的环达到了1GHz的工作主频,并具备高达256GByte/s的链路带宽,完全满足高性能数字信号处理的需求。     

一种高炮拦阻射击新体制

针对高炮拦阻射击,提出了一种新射击体制,详细叙述了该体制的实现机理,并建立了数学模型。在此基础上,针对某型现役高炮的武器性能参数,探讨了初速序列的确定等关键问题,并进行了数值计算。该体制射击过程中不需要改变方向角和射角,对随动系统的要求大幅降低,可缓解自行高炮系统的随动制约,还可使大量随动性能较差的牵引高炮重新焕发生机。该体制的提出与最终实现对提升高射综合体防空反导作战效能具有重要意义。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

无线传感网络中基于Dijkstra算法的分簇路由

无线传感网络（Wireless Sensor Networks,WSNs）的网络寿命与节点的能耗直接相关。分簇路由是缓解节点能耗速度的有效措施。但是若分簇路由所选择的簇头位置以及数据传输路径的不合理,会加剧节点能量消耗,缩短网络寿命。为此,提出一种基于Dijkstra算法的分簇路由（Clustering Routing-based Dijkstra,CRBD）。CRBD路由先利用节点的剩余能量及离汇聚节点距离信息选择部分节点作为簇头,并禁止拥塞节点担任簇头。利用贪婪启发式算法构建簇。利用Dijkstra算法构建簇头间的最短路径,缓解簇头的能量消耗。仿真结果表明,相比于基于改进萤火虫聚类的能效路由（Energy Efficient Routing based on Improved Firefly Clustering,EIFC）,CRBD路由中节点的平均能耗下降了约12.3%,并且CRBD路由的数据包传递率保持在85%以上。