基于局部评估的分布式图模式匹配算法

为了在分布式存储的大规模数据图上进行快速图模式匹配,提出了基于局部评估的分布式图模式匹配算法disGPM-PE。首先各计算节点并行地执行本地匹配,然后协调器节点收集局部匹配结果、计算边界点的匹配状态并发送给相应的计算节点,接着计算节点根据边界点的匹配状态确定与边界点相连的节点的匹配情况,最后协调器节点组合得出最大匹配集。实验结果表明：与已有的分布式图模式匹配算法相比,disGPM-PE算法都能够在不显著增加通信量的前提下避免数据片段间的依赖关系对执行时间的影响,减少了图模式匹配的时间。     

利用局部评估的分布式图模式匹配算法

为了在分布式存储的大规模数据图上进行快速图模式匹配,提出利用局部评估的分布式图模式匹配算法。各计算节点并行地执行本地匹配;协调器节点收集局部匹配结果、计算边界点的匹配状态并发送给相应的计算节点;计算节点根据边界点的匹配状态确定与边界点相连的节点的匹配情况;协调器节点组合得出最大匹配集。实验结果表明:与已有的分布式图模式匹配算法相比,dis GPM-PE算法都能够在不显著增加通信量的前提下避免数据片段间的依赖关系对执行时间的影响,从而减少图模式匹配的时间。     

基于高精度景象匹配的SAR平台定位方法

提出一种利用SAR图像与光学基准图高精度匹配实现SAR平台定位的方法。利用成像中间时刻SAR平台与SAR图像中心线上物点在水平面的投影共线的特性,在图像中心线上均匀选取若干点作为匹配点,并与光学基准图进行高精度景象匹配获取它们的物点坐标;根据这些物点坐标估计出图像中心线在当地水平面投影的直线方程;利用直线信息和斜距高度信息计算SAR平台在水平面上的投影点位置,进而计算得到成像中间时刻SAR平台的空间位置。为了进一步提高匹配精度,分别提出对正侧视和斜视SAR图像匹配区域进行几何粗校正的方法。还分析了不同误差因素对平台定位精度的影响,并给出精度估计公式。仿真和实际图像实验结果表明,方法正确可行,具有较高的定位精度,具备工程实用价值。     

基于小波去噪半参数回归模型的卫星轨道测量数据预处理方法

由于卫星轨道测量数据中含有非线性误差,使用传统的最小二乘多项式拟合方法对其进行预处理必然会降低定轨精度.在半参数回归模型的基础上,应用小波阈值去噪算法估计并消除观测数据中存在的非线性误差,提出了基于小波去噪半参数回归模型的卫星轨道测量数据预处理方法,以提高数据预处理的精度.对某卫星USB跟踪数据应用该方法进行了仿真,仿真结果表明:该方法可以分离出观测数据中的白噪声和非线性误差,从而可以在观测数据中消除非线性误差的影响,提高数据预处理的精度.     

信号相位匹配法检测正弦信号的高阶统计量方法

为了能对提高高斯色噪声中正弦信号的检测能力,提出了二阶自相关和四阶累积量预处理的信号相位匹配检测法.仿真结果表明,高斯色噪声中四阶累积量预处理的信号相位匹配检测法的检测性能接近于高斯白噪声下匹配滤波器,优于二阶自相关的信号相位匹配检测法的检测性能,更优于的信号相位匹配的最小二乘检测器.     

一种实用的提高景象匹配可靠性的方法

景象匹配导航具有高准确性和高可靠性,因此被应用于诸多领域。从景象匹配适配区的选择出发,提出了一种实用的提高景象匹配可靠性的方法,在匹配前对参考图提取出高概率匹配区,然后再用NPROD算法进行匹配,实验证明该方法能够有效地提高景象匹配的可靠性。     

组合预测法在战时单兵日均物资需求预测中的应用

分析、研究、预测战时物资需求量,进而拟制相应的物资保障方案,是提高战时物资保障计划性和有效性的客观要求。利用灰色预测法和趋势预测法建立模型并进行预测,在对比分析各种物资需求预测方法的基础上,建立了基于最小二乘法加权的战时单兵日均物资需求的组合预测模型,为我军进行战时物资需求预测提供了一种可借鉴的方法。     

基于模糊AHP评判的舰艇编队防空队形优化研究

针对队形变化给编队防空能力带来的五个方面的影响,建立了编队防空队形综合评判的指标体系,并应用模糊层次分析法建立了编队防空队形优选模型。以驱逐舰艇为例,求出了在一定条件下的最佳防空队形——菱形队形。该模型简单易行,容易在计算机上实现,初步解决了编队防空队形优选问题。     

多喷嘴超声速引射器压力匹配性能试验研究

建立了多喷嘴超声速引射器试验台,采用燃气作为一、二次流驱动工质对多喷嘴超声速引射器进行了试验研究,重点考察了引射器的压力匹配问题。试验结果表明:一次流总压越低,引射喷嘴出口压力越低,与二次流压力匹配越容易;二次流总压越低,保持压力匹配对引射器的要求越高;二次流总温对压力匹配基本无影响。     

一种固定单站对运动辐射源的无源定位跟踪算法

首先提出了一种测量目标辐射源脉冲到达时间和到达方向实现固定单站对运动辐射源进行无源定位的算法,该算法克服了EKF(扩展卡尔曼滤波)算法的一些缺点。另外给出了两种将该算法和卡尔曼滤波算法结合的改进方法,可以获得更优的定位效果。计算机仿真结果证明了上述两种方法是正确的。