通信时延对无人作战飞机NWL轰炸精度影响研究

无人作战飞机具有飞行器与指挥平台"空地分离"的技术特征,源自飞行员的战术决策指令须通过战术数据链传输给飞机,该特性在空地轰炸模式下将对系统作战效能产生一定的影响。建立了面向无人作战飞机的空地一体化机翼非水平(NWL,Non-Wing-Level)轰炸仿真模型,通过Monte-Carlo仿真表明脱靶量与数据链时延之间存在线性关系,采用Kalman滤波可以克服时延对脱靶量的影响,并提高命中精度。     

先验式秘密共享方案及实现

分析了传统的秘密共享算法的不足之处,提出了相应的优化方案,形成了先验式秘密共享方案,包括初始化、份额更新、份额恢复和秘密重构,实现了先验式秘密共享协议的各种算法,充分考虑了秘密分享的各个阶段可能遇到的问题,并分别给出了相应的解决方案.     

雷达天线扫描方式的自动识别方法

为了对雷达天线扫描方式进行自动识别,改进开发了天线扫描方式模拟器,并分别研究了电子扫描和机械扫描的特征提取和识别方法。基于最大主瓣脉冲序列的特征参数实现电子扫描和机械扫描的区分,然后基于单个天线扫描周期脉冲序列的特征参数实现8种机械扫描方式的自动识别。仿真结果表明,本文方法能够区分一维电扫、二维电扫和机械扫描,并且采用支持向量机决策树对机械扫描方式的识别正确率高于决策树方法。     

网络中心战的网络攻击——Suter计划

Suter计划是网络中心战的组成部分,它的最终目标是发展美国空军的网络攻击系统.从网络中心站的角度介绍了Suter计划的背景、发展历程以及在实战中的应用,分析了Surer计划的重要组成部分NCCT(network centric collaborative targeting)系统,提出了3种可能实现Suter能力的网络攻击技术.     

基于ISA总线的CAN通讯卡的设计与实现

为实现PC机在控制局域网络 (CAN)中的应用 ,开发设计了一种PC机与CAN的接口———CAN通讯卡。该通讯卡采用微控制器完成底层的CAN通讯任务 ,并利用双口RAM与PC机进行数据交换 ;通过基于Win9x的PC机设备驱动程序实现上层应用程序对通讯卡的操作。该系统结构紧凑、可靠性高 ,已在磁悬浮列车控制系统中得到了成功应用。     

混合EMS型磁浮列车的悬浮磁铁设计与分析

研究适用于EMS型磁浮列车的全尺寸电磁永磁混合悬浮磁铁的设计问题。通过比较永久磁铁的不同安装位置的影响,给出混合磁铁的结构方案。根据混合磁铁吸力公式,得出只有在永久磁铁矫顽力大于一定值时利用混合磁铁才能减小悬浮能耗。分析了混合磁铁的设计要求,研究满载起浮、稳态悬浮、空载吸死三种典型情况下对电磁线圈窗口高度的约束,得出混合磁铁的优化设计参数。最后利用Ansoft有限元磁场分析软件对钕铁硼永磁材料的拼装影响进行分析,给出校正后的悬浮磁铁设计结果。     

球形译码算法中不均匀半径分配方案及性能分析

在球形译码算法中,初始半径的选择与分配是影响算法性能与复杂度的重要因素.针对球形译码算法在低信噪比时复杂度高的问题,提出了一种新的基于V-BLAST信号模型的初始半径选择与(准)线性半径分配方案,并分析了应用该方案的两种典型球形译码算法流程的性能与复杂度,其分析方法适用于任意不均匀半径分配方案.分析与仿真表明,与传统的球形译码算法相比,在信噪比较低时,采用该方案的球形译码算法的复杂度显著降低;在较宽信噪比范围内,其误码率性能接近最大似然检测性能.     

采用终端滑模控制实现交会对接逼近段姿态跟踪

针对交会对接逼近段追踪器的姿态控制问题,采用反馈线性化理论推导了非线性姿态动力学方程的相变量模型.基于导出的姿控模型,引入模型误差和随机噪声,结合终端滑模控制理论,给出了能够在有限时间内完成姿态跟踪,并使状态跟踪误差收敛的控制律的设计方法.对具有扰动项的系统,仿真结果仍能满足交会任务对时间的要求,且姿态角跟踪误差趋于0,说明控制律对相变量系统的姿态跟踪控制具有较好的鲁棒性.     

非线性放大器对伪码测距误差的影响分析

在高精度伪码测距系统中,高功率放大器(HPA)是信号发射链路的重要组成部分,HPA会对发射信号引入非线性失真,进而恶化系统的伪码测距性能.通过理论推导和数值分析的方法,研究HPA的非线性特性对高精度伪码测距误差的影响,给出非线性放大条件下,伪码跟踪误差与放大器类型、放大器输出回退(OBO)、扩频码形参数等的定量关系.研究结果对工程上HPA的选择、功率余量的保留、基带扩频码形的设计等具有重要的参考价值.     

Annealing adaptive search,cross‐entropy,and stochastic approximation in global optimization

The Annealing Adaptive Search (AAS) algorithm for global optimization searches the solution space by sampling from a sequence of Boltzmann distributions. For a class of optimization problems, it has been shown that the complexity of AAS increases at most linearly in the problem dimension. However, despite its desirable property, sampling from a Boltzmann distribution at each iteration of the algorithm remains a practical challenge. Prior work to address this issue has focused on embedding Markov chain‐based sampling techniques within the AAS framework. In this article, based on ideas from the recent Cross‐Entropy method and Model Reference Adaptive Search, we propose an algorithm, called Model‐based Annealing Random Search (MARS), that complements prior work by sampling solutions from a sequence of surrogate distributions that iteratively approximate the target Boltzmann distributions. We establish a novel connection between MARS and the well‐known Stochastic Approximation method. By exploiting this connection, we prove the global convergence of MARS and characterize its asymptotic convergence rate behavior. Our empirical results indicate promising performance of the algorithm in comparison with some of the existing methods. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011