数字阵列雷达及其关键技术进展

随着高速ADC器件和高性能通用处理器的发展,雷达的数字化程度越来越高。分析了数字阵列雷达的优点;介绍了现有的典型数字阵列雷达系统,总结了数字阵列雷达的典型结构;介绍了高速ADC器件、高速采集板、正交解调和通道均衡等关键技术的发展现状。随着相关技术的不断进步,阵列雷达必然向着数字化、软件化和多功能的方向发展。     

一种航天侦察任务-资源匹配的负载均衡方法

当前航天侦察任务预处理方法一般仅从任务需求的角度考虑资源分配问题,容易导致负载不均衡,对此提出了一种综合考虑任务需求与资源负载的任务-资源匹配方法.分析了资源负载均衡需要考虑的任务要素以及相应的描述方法,提出用任务执行概率度量卫星资源负载状况,基于任务流模型给出了单任务执行概率的估算公式,并给出了一种简易的多任务执行概...     

基于平均互信息熵的复杂系统可靠性评定方法

可靠性评定是定量评估系统可靠性水平的重要途径,是对其可靠性进行定量控制的必要手段.某些复杂系统由于研制时间和经费的限制,现场试验样本量极其有限,依赖传统的基于大样本的数理统计方法将难以获得客观结论,因此其可靠性评定一直是工程实践中的技术难题.针对复杂系统可靠性评估和寿命预测时现场样本量不足的问题,提出了一种基于多源信息融合的可靠性评定方法.该方法利用平均互信息熵来度量多源验前信息对可靠性评定不确定性减少所起的作用,以此为依据确定多源信息融合权重,并通过融合验前分布进行复杂系统的可靠性评定,从而减少了评定过程中的主观性,增强了评定结论的可信性.最后通过仿真实例验证了方法的有效性.     

一种能量高效和均衡的无线传感器网络分簇数据融合算法

在无线传感器网络中,如果传感器节点之间的能耗不均衡,一些能耗进度较快的节点会过快失效,继而导致网络过早无法正常工作。为了解决分簇无线传感器网络在数据收集过程中所存在的节点之间能耗不均衡问题,提出了一种新的分簇数据融合算法。该算法将网络划分为大小不等的栅格,并根据剩余能量使簇首分别在每个栅格的节点中轮转。簇首消耗的能量越多,其所在的栅格也越大,栅格内有更多节点参与簇首的轮换以分担能量负载。通过该方式,算法能够提高节点的能耗均衡程度。另外,考虑到无线传感器网络的能量受限,算法还采取了一系列措施以节约能量。仿真实验结果表明,算法在能量使用效率、网络生命周期以及能耗均衡程度三个方面都具有较好的性能。     

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

一种优化神经网络映射算法——吸收算法

本文揭示了神经计算的本质──并行分布处理,并以此为基础提出了时间步的概念。分析了映射算法的两个重要概念──负载均衡和通讯开销,并提出了映射分配准则。在神经网络的映射分配中引入图论的有关思想,提出了一种优化的神经网络映射算法──吸收算法。最后给出了重要的试验结果,这些数据表明吸收算法是一种有效的映射算法。     

基于规划识别的态势估计方法研究

针对战场态势估计问题中的目标分群和规划识别问题进行研究。在目标分群问题的研究中,提出一种二次分群算法。首先利用最近邻法进行聚类,然后采用基于模板匹配的方法进行初次分群,考虑到其无法应对空间位置有重叠的情况,结合信代价及初次分群属性沿用模板匹配的思想进行二次分群;在规划识别问题的研究中,提出一种基于贝叶斯网络的规划识别算法,为了获取顶层规划任务并求得概率,构建贝叶斯网络,将当前获得的事件与网络库进行匹配,实现对敌方的规划识别。针对以上两种算法,设计了符合战场情景的仿真环境,通过仿真验证了所提出的二次分群算法相较于初次分群识别准确率提高了26.7%,规划识别算法准确率达98.04%。最后,对所做工作进行了总结并对未来可能的改进方向进行分析。     

工期-资源均衡的最优化分析与计算

在建筑工程施工工期－资源均衡优化中,传统的方法是将每项工作逐步调整判断,调整计算方法繁琐,绘图工作量大,并且易疏忽最优方案。本文在传统方法的基础上,对确定最优的调整判断方法进行了简化,并由此提出了一种列表算法确定最优方案,从而使工期－资源均稀     

自组织映射神经网络分类器

本文利用改进的自组织映射人工神经网络的方法完成分类问题。该方法由给定的模式样本训练网络,分类的结果由网络的输出直接给出,避免了估计概率密度函数时引入的误差。实验的结果说明了该方法的有效性。     

焦平面红外弱小目标检测新算法

针对焦平面红外图像中运动弱小点目标的检测问题,基于形态学滤波器和模糊决策融合构建了一种新的弱小目标检测算法。针对单帧检测,基于目标在实测红外图像上所呈现的凸包结构特点,设计了圆形形态学滤波器结构,并引入神经网络进行圆形形态学滤波器结构元素优化设计。同时在多帧关联检测的基础上,引入决策融合概念,基于贝叶斯最小风险准则建立了基于模糊决策融合的序列关联检测方法。实测数据的处理结果表明:针对低信噪比图像(SNR≈2),在虚警概率≤1%情况下,新算法对复杂红外弱小目标图像检测概率≥98%,有效地提高了检测算法的性能。