水下导航数据融合方法

设计了一种基于多模型自动识别与转换的潜艇水下自适应卡尔曼滤波算法,并以此为基础,引入联邦卡尔曼滤波思想,结合模式识别技术,实现模型的自动识别、转换与跟踪,克服常规卡尔曼滤波对于变模型系统没有自适应能力致使在很多情况下误差太大或无法应用的缺点.仿真结果证明此方法可以复杂的潜艇水下综合导航的数据融合技术开辟一条新的有效途径.     

模型不可知的联合相互学习

主流的联邦学习(federated learning, FL)方法需要梯度的交互和数据同分布的理想假定,这就带来了额外的通信开销、隐私泄露和数据低效性的问题。因此,提出了一种新的FL框架,称为模型不可知的联合相互学习 (model agnostic federated mutual learning, MAFML)。MAFML仅利用少量低维的信息(例如,图像分类任务中神经网络输出的软标签)共享实现跨机构间的“互学互教”,且MAFML不需要共享一个全局模型,机构用户可以自定制私有模型。同时,MAFML使用简洁的梯度冲突避免方法使每个参与者在不降低自身域数据性能的前提下,能够很好地泛化到其他域的数据。在多个跨域数据集上的实验表明,MAFML可以为面临“竞争与合作”困境的联盟企业提供一种有前景的解决方法。     

HLA联邦开发和执行过程模型

美国国防部建模与仿真办公室为联邦开发人员提供了一套开发联邦的指导文件,就是HLA FEDEP:High level archtecher Federation develop and execute modal:V1.4。本文主要介绍新版FEDEP,叙述了其主要的六步模型。     

基于HLA的潜艇作战仿真训练系统

潜艇是一个技术密集、功能设备较多,操作战位分散、相互协同要求高的作战整体,其作战仿真训练系统对各仿真部位和控制部位的可重用性和互操作性要求很高,潜艇作为潜艇作战仿真训练系统的核心,其仿真水平的高低将直接影响整个系统的训练效能.为了提高潜艇作战仿真训练系统联邦的可重用性,增强各仿真部位和控制部位的互操作性,构造更为合理的体系结构,结合潜艇部队装备发展和作战训练实际,基于高层体系结构(HLA)机制,重点研究基于HLA的潜艇作战仿真训练系统联邦中潜艇联邦成员的实现问题.     

SINS/北斗/GPS组合导航系统研究

对SINS、北斗双星定位系统以及GPS全球定位系统三者的组合进行了研究.应用联邦自适应卡尔曼滤波技术实现了SINS、北斗和GPS的组合导航,建立了组合导航系统的数学模型,并针对系统产生的量测延时和异步问题给出了较好的解决方案.最后对系统进行了仿真试验,仿真结果表明该组合导航系统具有较高的精度和容错性能,此方案具有较好的工程应用价值.     

联邦滤波器在INS/GPS/DVS组合导航系统中的新应用

针对某机载导航系统不能满足高精度导航定位需要的问题,采用了动态信息分配系数方法,提出了一种新的基于联邦滤波器的INS/GPS/DVS组合导航方案,通过对各子滤波器的信息分配系数进行优化,增强了组合系统的导航性能.仿真结果表明,该方案充分提取了导航传感器的信息,有效地提高了组合导航系统的精度和故障检测能力.     

德国是世界上最大的军品出口国之一

德国是世界上最大的军工产品出口国之一。德国军工产业主要由中型企业构成．多生产价值高昂的高价值产品,以此在竞争激烈的国际军工产品市场保住自己的一席之地。德国军工产业目前大致拥有8万名员工,主要为联邦国防军生产武器装备,同时也向其他国家出口,且出口比重日益加大。     

Rational Rose在HLA联邦开发中的应用

作为“建模与仿真”(M&S)的高层体系结构 ,HLA能带给用户的好处将是巨大的。HLA联邦开发与运行过程 (FEDEP)的自动化是促进HLA应用的关键。文中研究了将功能强大的CASE工具RationalRose用于支持FEDEP自动化的可行性 ,指出了应用中应特别注意的问题 ,重点说明了应用中的关键技术 ,并给出一应用实例     

多机实时通信系统及其程序自动生成器的设计

介绍了多机实时通信系统的设计方法,并在此基础上介绍了多机实时通信系统自动生成器的设计原理和方法。