LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

基于APSK信号周期性相差的载波频偏估计算法

随着卫星通信业务的发展,卫星高阶调制技术逐渐得到广泛的应用,然而高阶调制信号受载波频差的影响比较严重。基于高阶幅度相位调制(APSK)的信号特点,讨论了载波频偏对信号产生的影响,并根据频偏带来的相位偏差的周期性,采用了周期统计和快速傅里叶变换算法,从而获得噪声下的频偏估计值,并进行了仿真和性能分析。研究和仿真表明,该方法估计精度较高,简单易行,且不受载波初始相偏的影响。     

模糊优化理论的武器-目标分配模型及求解算法

武器-目标分配问题是一个典型的NP完全问题,随着武器和目标数量的增多,以及分配结果评价标准多样性的存在,传统的优化求解算法如隐枚举法、割平面法、分支定界法等很难进行有效地求解。介绍一种基于模糊优选技术的多目标混合优化理论,运用该理论建立了多个指标下的最佳武器-目标分配模型,并将蚁群算法应用于对模型的求解,为解决复杂的武器-目标分配问题提供了一种有效方法。     

空间重采样的宽带多重信号分类算法高分辨方位估计

空间重采样法是宽带恒定束宽波束形成的一种重要方法,采用声矢量阵推导了基于空间重采样的宽带MUSIC算法,并和相干子空间FFT插值法做了仿真比较,结果表明,所提算法的性能优于FFT插值法,表现为更低的分辨信噪比门限和估计均方误差上.     

一种新的基于网格聚类的雷达信号预分选算法

雷达信号分选一直是雷达对抗情报处理中的难题,将网格聚类应用于雷达信号预分选,针对现有网格聚类需要输入网格划分、网格边界处理精度低等问题,提出一种新的基于网格聚类的雷达信号预分选算法.该算法根据网格数据压缩率自适应确定网格划分和密度阈值,并对网格边界进行优化处理.仿真实验表明,该算法能有效适用于雷达信号预分选,且有较强的抗噪声能力.     

采用波数域方法分析细长柱壳的振动与声辐射特性

采用波数域方法对细长柱壳进行振动与辐射噪声分析。在获得细长柱壳表面振动后,法向振动在波数域展开为波数谱,结构振动波数特征由此得以直观展现,与辐射噪声相关的有效振动量得以定量给出。对细长柱壳的波数谱分析表明:低阶周向波数振动是其参与有效声辐射的主要成分,通过不等间距分舱可以在一定程度上控制有效声辐射振动级,从而控制结构的噪声辐射,但对整体呼吸运动的振动则效果不显著。     

基于多智能体强化学习的无人机集群对抗方法研究

针对复杂动态不确定环境下的无人机集群对抗问题,基于多智能体强化学习开展了对抗决策方法的研究。首先,基于MaCA环境构建了无人机集群对抗模型;其次,引入集中训练网络的混合架构模式,改进了传统DDPG算法,设计了面向无人机集群对抗的MADDPG算法,分别采用基于规则的对抗策略和基于DQN的对抗策略对算法进行了训练,提升了对抗算法的鲁棒性、适应性和泛化性;最后,通过搭建对抗仿真环境,验证了所设计方法的有效性和可靠性。     

囿于控制多边形的NURBS拐点分析与控制

从变形的观点出发,首先研究了一般平面参数曲线变形过程中产生拐点的充分必要条件以及判定拐点的一个泛函方程。在此基础上,给出了研究非凸控制多边形NURBS曲线拐点的方法,特别研究了正则单拐、双拐多边形NURBS曲线拐点的分布问题,得到了分析与控制相应曲线拐点的条件和判据。本文的结果可应用于调节与控制曲线形状的算法设计,也可指导CAD造型工程师的交互设计。     

数据融合在现代雷达引信中的应用研究

介绍了数据融合的基本理论和实现技术,分析了防空导弹现代雷达引信设计中的数据融合问题。利用多传感器数据融合方法建立了雷达引信数据融合结构模型。应用MSPDAF数据融合算法进行数学仿真,并给出仿真结果。     

一种新的基于二阶统计量的信道盲辨识与均衡算法

通过对接收信号进行过采样,应用过采样接收信号产生的循环平稳特性,给出单输入单输出系统的等效单输入多输出系统模型,据此模型给出了一种新的基于二阶统计量的盲辨识与均衡算法,给出的算法只需要接收信号的二阶统计量即可以辨识与均衡信道。