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。     

栅格数据处理中邻域型算法的并行优化方法

随着并行计算的成熟,众多数据密集型的栅格处理算法亟需利用并行计算来缩减执行时间.针对其中一类邻域型算法,构建了用于估计是时间代价的串行/并行时域模型,分析了各个组成的代价影响因素,提出了降低数据I/O代价的并行I/O方法和降低数据通信代价的光圈预测方法.实验证明,所提的两个优化方法可以使邻域型栅格处理算法的并行程序更加充分地利用并行计算资源,进而在一般并行化的基础上进一步提升其并行性能.     

脉冲雷达的卫星发射主动段融合弹道精度评估

卫星发射任务时,脉冲雷达测量数据在主动段实时和事后数据融合处理中占有举足轻重的地位。目前,靶场实时和事后数据融合的主流算法是"UKF"和样条约束的EMBET算法,采用这两种方法把脉冲雷达与高精度测速雷达测量数据进行融合,研究和探讨中精度设备参加卫星测量任务数据融合的情况,并对融合弹道精度进行分析与评估。结果表明,实时与事后弹道解算精度能满足要求,特别在多测速弹道不满足精度要求时,加入脉冲雷达测量数据能显著提高弹道解算精度。     

多媒体数据挖掘中数据间的相似性度量研究

聚类是多媒体数据挖掘的重要任务之一,数据之间的相似性度量是聚类的基础和前提。多媒体数据的特征矢量通常都是数十维甚至数百维的,但传统的相似度量方式一般只适用于低维数据。在分析高维数据特性的基础上,提出了一个新的度量方式。通过使用一个特定的策略对原始数据空间进行网格划分,该方法较好地避免了噪声数据对高维数据相似性度量的影响。实验证明此方法是有效的。     

GPS在小地区测量控制网建立中的应用

小地区测量控制网的建立方法通常采用导线测量,当测区没有高等级已知控制点而又要求采用国家统一坐标系统时,必须进行平面坐标和高程引测,如果已知控制点远离测区,使用导线测量方法进行引测既花费时间又增加误差,从而降低了作业效率和测量精度。结合马家堡校区测量控制网的建立,提出了一种用GPS技术进行平面坐标和高程引测,用全站仪导线建立小地区测量控制网的组合方法,实际测量结果证明了该方法的有效性与实用性。     

基于DEA系统下的武器装备采办理论及运用

数据包络分析DEA(data envelopment analysis)系统主要是针对武器装备性能的论证和武器装备采办提供相应的分析工具。介绍了该系统组成及DEA模型算法的基本思路,分析了武器装备采购费用的相对有效性,并简要阐述了该系统在军事领域的应用前景。     

基于最小误差模型估计的地空导弹飞行试验数据相容性检验

提出了基于递推最小模型误差估计(RMMEE)的地空导弹飞行试验数据相容性检验的方法,该方法采用导弹位置和弹体角位移测量,不仅能在线重构六自由度弹道参数,而且能估计捷联惯导的动态误差,从根本上克服了Klein模型的局限性。该方法对导弹速度、位置估值的初值不敏感,即使存在较大的捷联惯导动态误差,仍具有良好的收敛性和稳健性。     

一个新型数据采集处理系统在电机试验中的应用

介绍了一个用于电机试验的新型数据采集处理系统 ,并举例说明了该系统在电机试验中的功能及应用     

多传感器数据融合系统的数据库

以数据库对融合算法的支持为线索 ,以数据融合数据库的全面设计为目标 ,注意面向特征的考虑数据表征形式和组织结构 ,结合整个融合算法的性能要求分析数据库的设计基本理论。首先讨论了数据融合对于数据库的要求 ,总结和归纳了数据融合中涉及到的多种数据形式 ,明确了数据的特征 ,然后 ,分析了常用的几种数据库管理系统模式 ,为数据库系统实现提供依据 ,保证在现存应用软件基础上合理选择实现方案 ;最后 ,集中介绍了融合数据库的设计 ,从总体框架、组织结构、数据结构及实现流程等方面给数据库的设计作了简要的介绍 ,并且提取上述分析中的结论性内容 ,给出合理的融合数据设计建议     

目标数据关联多因素分布式推理判决系统推理结构

目标数据关联多因素分布式推理判决系统 ,是一基于分布式判决分类系统理论进行目标数据关联分析的大规模推理判决系统 ,在C3I系统中有着广泛的应用前景。本文在分析推理判决系统的推理规则类型和状态类型的基础上 ,给出系统的推理结构图 ,该推理结构是正关联神经推理结构