大型仿真推演系统数据质量评估方法

数据是大型仿真推演系统建立和运行的基础,一定程度上其质量直接关系着整个系统应用的水平、广度及深度。首先建立了大型仿真推演数据质量的评价指标体系,包括3个一级指标和相对应的二级指标,然后提出了定性指标的定量化、定量指标的无量纲化的指标指数确定方法,以及在分析权重确定的基础上提出了主观赋权与客观赋权相结合的方法,最后基于AHP法以某一装甲兵作战仿真推演系统的数据为例进行了质量评估,从宏观上得到了一个整体的数据质量评价。     

基于动态可调簇的能量感知无线传感网数据收集协议

针对无线传感网中高效数据收集和传输的需要,提出了一种基于动态可调簇的能量感知数据收集协议ACEDGP(Adjusted Cluster-based energy-aware Data Gathering Protocol)。该协议初始时根据区域将节点等分成许多簇结构,簇首节点负责簇内部数据的收集和聚合,距离较远的簇通过其他簇首节点的转发实现数据的收集;随着时间的推移和节点能量的减少,ACEDGP能够统计各簇首能量消耗预测簇的通信频次,根据动态调整簇策略选择合适的簇首节点和合并分裂各个相邻的簇,保证各簇首节点簇内数据收集和簇间数据转发的能量平衡。仿真结果表明,与典型的分簇协议相比,ACEDGP能够更好地平衡节点的能耗,获得更长的网络生存期。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。     

基于Lanchester方程的威胁评估模型

将描述对抗损耗的Lanchester方程应用于数据融合系统的威胁评估层次,从宏观角度分析了多传感器系统在作战中跟踪目标的模式,建立了相应模式下的Lanchester对抗损耗微分方程,以用于分析对抗交互双方的动态损耗,从而可根据态势作出威胁评估。     

战场态势估计和威胁估计

描述了战场态势、态势估计和威胁估计的概念。对态势估计从态势要素提取、态势评估推理及态势预测三方面进行了分析,重点对态势评估中的功能领域如:目标合并、协同关系推理、战场主动权指数计算、作战能力评估、重要目标估计及敌战斗序列估计等的含义、内容和实现步骤进行详细阐述。对威胁估计的内容和主要功能也进行了描述。     

机群超视距作战联合战术信息系统的效能分析

建立了机群联合战术信息系统在超视距作战中综合机群的传感器、导航和火力控制系统,组织对目标协同探测、辨识和火力控制的系统模型,以及它的效能评估模型.仿真计算表明此信息系统能有效增加机群超视距作战的效能,但噪声和欺骗干扰会显著地影响它的效率.     

型号研制与产品数据管理

介绍了产品数据管理(PDM)的概念和基本功能,结合当前型号研制的特点和计算机信息技术应用的状况、发展,研究了型号研制产品数据管理的需求、功能及实施,为当前型号研制依靠CIMS技术实现产品数据管理提出了8条基本原则。     

数据挖掘技术及其在指挥控制系统中的应用

数据挖掘作为一项从大量数据中获取有用知识的实用技术 ,已广泛应用于各行各业并取得了巨大的经济和社会效益 ,而其在军事领域的应用也具有巨大的潜力。概要介绍了数据挖掘技术的功能、过程及其广泛应用的实例 ,阐明了数据挖掘技术在军用指挥控制系统中的应用前景。     

回路控制遥测数据的注入仿真和输入序列的重建

分析了回路控制数学模型对遥测数据输入误差的响应和积累 ,构造了回路控制计算输入序列的误差补偿算法 ,并且证明了误差补偿算法的数值稳定性。     

多传感器数据融合中的数据预处理技术

数据预处理是进行多传感器数据融合的基础 ,对数据的空间统一和时间统一的研究方法及流程进行了阐述 ,介绍了基于该方法的技术在实际应用中取得的效果 .