舰艇多功能指控平台硬件可靠性研究与分析

海军舰艇多功能指挥控制平台系统是提高舰艇管理水平和工作效率的硬件基础,提高平台可靠性是保证舰艇发挥正常性能的关键问题。在假定系统组件可靠性为某一定值的前提下,建立数学模型研究分析舰艇多功能指控平台可靠性。重构理论的计算结果表明,采用重构方法可提高平台可靠性,增强舰艇的抗毁性,保证舰艇的战斗功能得到最大程度的发挥。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

基于飞行轨迹的三维模型实时姿态调整算法

为了解决三维GIS(地理信息系统)弹道可视化系统中导弹飞行姿态不逼真的问题,提出一种基于飞行轨迹的三维模型实时姿态调整算法.该算法使用建模工具构建导弹模型,通过地球坐标与地心坐标系转换、地面坐标系与弹体坐标系转换,利用导弹飞行的前后轨迹点求出导弹飞行姿态角,使用四元数旋转矩阵实时更新三维场景中三维模型飞行姿态.从飞行态势可以看出,算法模拟的三维模型的飞行效果流畅,实时性好,实际应用价值高.     

基于动态神经网络的装备技术状态预测模型

装备的技术状态受多种因素的影响,诸多影响因素之间是一种多变量、强耦合、非线性的关系,同时这种关系还是动态的。根据装备技术状态的特性,使其在相空间里重构,然后利用动态神经网络建立装备技术状态预测模型,并以装备振动信号预测为例进行案例研究,验证了利用动态神经网络进行预测的可行性和优越性。     

信息化战争环境下的军事装备管理系统组织重构设想

针对信息化战争环境下对军事装备管理系统的新需求,提出了军事装备管理系统组织结构设计的原则,分析了军事装备管理系统组织结构的3种基本类型。在此基础上,依据需求,在探讨了军事装备管理系统重构原则的前提下,进行了军事装备管理系统重构设想,为军事装备管理系统组织变革提供前瞻性的指导。     

信号的直接采样理论

经典的采样定理建立了带限信号与其均匀采样值之间的联系。本文对采样定律作了三点补充 :1)给出在定理条件不满足时 ,由均匀采样值恢复的信号与原信号的误差表达式 ;2 )用简洁的方法分析了带通信号的均匀采样问题 ,得到了采样率应满足的条件 ;3)研究了一种特殊的非均匀采样情况 ,给出了采样率的可取范围以及由非均匀采样重构原信号的公式。这些都是对经典采样定理的丰富和深化。     

分布式数据库技术研究

针对Ｃ３Ｉ系统对军用数据的实用需求,文章重点对分布式数据库技术进行了研究,并对分布式数据库的Ｃ３Ｉ系统应用提出了具体应用建议。本文可对Ｃ３Ｉ系统工程总体技术设计提供参考。     

盲稀疏度下基于粒子滤波的稀疏信号重构

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并且引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;最后在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

基于空中投放平台的无人机集群区域侦察策略

区域侦察是无人机集群重要作战应用之一。针对基于远程空投方式的无人机集群,在任务截止时间内对指定区域进行侦察的航线优化设计问题,提出了一种分块栅格化自规划航线生成策略。利用任务列表集合描述侦察活动进展,并从侦察时间消耗和侦察区域最终占比的角度设计了侦察效果评估指数;通过优化投放点的布设以及动态分割任务区域的方式,使分配给各架无人机的搜索区域大小接近相等;利用邻接栅格可分类特征构建无人机飞行路径步进决策机制,确保逐步生成的侦察航线可自动规避已有路径和区域边界;通过设置距离和能量优势竞争规则为侦察进度较快的无人机增配额外任务量,从而保证了各架无人机最终完成侦察任务的时间相近且无效搜索面积接近于零。