复杂系统脆弱性综合分析方法

为全面识别复杂系统中的脆弱点,科学评价其脆弱性,针对纯拓扑脆弱性分析方法的不足,在考虑非拓扑因素条件下,提出一种结合复杂网络技术和效能评估技术的复杂系统脆弱性综合分析方法,从拓扑结构和非拓扑因素两方面全面分析复杂系统的脆弱性。以复杂网络的中心性指标为基础,通过广义指标法进行拓扑脆弱性分析;借鉴概率风险评价理论,从易攻性和易坏性两个方面对非拓扑脆弱性进行评价;通过对两者结果的综合得到总的脆弱性分析结果。示例结果表明:拓扑和非拓扑分析的结果有交集但又有所区别,两者密切相关且互为补充,并能共同筛选出复杂系统中的关键环节。较之纯粹的拓扑结构分析,综合分析得到的结果更为全面。     

无线传感器网络信息质量评估的柔性框架

为建立完整统一的无线传感器网络信息质量评估体系,提出可灵活剪裁的柔性框架来动态地评估无线传感器网络应用中信息的准确性和时效性。该框架基于信息融合理论和时间刻度标记技术,在sink节点聚合网络中所有传感器节点的信息。将信息融合结果近似为真值,利用观测信息与融合结果的数值或语义差异分别评估测量数据和决策信息的准确性。根据信息获取的截止期限和延迟敏感性,分三类描述和建模信息时效性,并通过轻量级的信息获取时间测量法量化。采用滑动窗口机制和增量计算方法,动态地更新评估结果。通过仿真三个目标监测应用场景的信息时效性评估和两个环境监测应用场景的信息准确性评估验证了框架的有效性。仿真结果与信息质量参考基准吻合,表明该框架能够灵活地评估不同无线传感器网络应用中信息的准确性和时效性。     

基于深度卷积神经网络的蛇形机动航迹图像识别

为提高防空武器系统对空袭目标的拦截防御能力,针对现有蛇形机动识别算法鲁棒性较差的问题,提出了将航迹坐标数据转化为图像,利用深度神经卷积神经网络进行航迹模式分类的方法。针对航迹数据直接转化为图像时存在机动幅度不明显或过大的问题,提出了有效解决方案。基于CAFFE平台进行了大量仿真实验,确定了适宜于航迹模式分类的深度卷积网络结构和网络参数。实验结果表明,该方法能有效提高蛇形机动航迹识别的鲁棒性。     

基于ARUDP的指挥控制网络数据传输协议

针对目前指挥控制网络采用UDP协议进行大数据传输时存在长时延及高丢包率的问题,提出了一种基于UDP改进的ARUDP(Augmented Reliable UDP)协议。该协议针对UDP传输过程中存在的乱序到达问题,提出了基于乱序重构的管理机制,降低了丢包率;在接收端根据网络相对单向队列时延检测网络状态,并利用改进的A-AIAD控制方法自适应调整数据发送速率,减小了队列排队时延,提高了数据传输效率。仿真实验表明,ARUDP协议发送速率平滑,在保持UDP高效的前提下,提高了传输的可靠性和实时性,降低了网络的丢包率,提高了网络资源利用率。     

指挥控制结构的抗毁性分析研究

指挥控制结构的抗毁性决定了战时指挥控制体系在遭受敌打击时,其减缓受到的损害和恢复其相关能力的能力,在未来信息化作战条件下具有重要的现实意义。为了明确指挥控制结构的抗毁性与攻击方式等因素的关系,在指控复杂网络模型的基础上,对抗毁性的描述参数进行了定义,以仿真实验的方式对比了随机攻击与重点攻击、考虑时间因素的攻击、按照不同标准(度和介数)排序进行的攻击等。从而揭示了信息化作战环境下指挥控制结构抗毁性的表现与维护重点。     

基于改进QPSO-NN的冗余机械臂逆运动学算法

针对某种冗余机械臂逆运动学求解的问题,提出了一种基于改进量子粒子群神经网络的求解算法。以冗余机械臂末端位姿为输入,经神经网络求得其逆解;针对神经网络输出结果误差较大的问题,把神经网络求初值加入初始化的粒子群中,通过基于Metropolis准则改进量子粒子群算法,避免了量子粒子群算法的早熟现象;以关节坐标经正向运动学求得的末端位姿和期望位姿的误差为适应度函数,对机械臂关节坐标迭代寻优。仿真结果表明该方法结合了神经网络算法的快速性和改进量子粒子群算法的精确性,满足求冗余机械臂逆运动学问题的速度和精度要求。     

卫星中断容忍网络路由算法研究

针对卫星网络易中断、长时延等问题,提出一种适合卫星DTN网络的路由算法——SDTNR算法。该算法在节点缓存中设置了3个存放不同服务等级报文的队列,队列根据报文响应比排序,响应比小的报文优先发送。SDTNR算法根据卫星运行规律,建立节点选择表并实时更新该表,根据表中信息选择满足条件的节点作为下一跳节点,以此保证通信的可靠性。仿真结果表明,SDTNR与EPR、PR、FC 3种算法相比,SDTNR更好地提高了报文的投递率、降低了网络开销和平均时延。     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

基于BP神经网络的多功能相控阵雷达威力评估

运用动态静态结合的方法以及厂家测试数据、查阅外军资料等手段获得多功能相控阵雷达指标参数,采用BP神经网络建立威力评估模型。研究表明:所建立的BP神经网络多功能相控阵雷达威力评估模型具有很高的评估精度,可以很好地反映雷达二级指标和雷达威力之间复杂的非线性关系,为多功能相控阵雷达威力评估提供了一种准确有效的方法。     

基于节点剩余能量的分时分簇LEACH改进算法

针对无线传感网络中高效路由协议的设计问题,基于传感器节点的剩余能量提出一种分时分簇的改进LEACH算法。算法通过分时分簇方式,有效克服了传统LEACH算法中簇首数目不稳定的缺陷,且不会额外增加网络的能耗,使得簇首在整个网络中的分布以及网络的能量消耗更加均衡,有效延长了传感器网络的正常工作时间。仿真实验验证了改进算法的有效性。