BP神经网络在极移预报中的应用

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出反向传播(Back Propagation,BP)神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

载波相位辅助的卫星导航天线阵抗干扰算法

针对卫星导航接收机的抗干扰问题,提出一种基于载波相位辅助的卫星导航天线阵抗干扰算法。该算法进行盲零陷形成的同时利用各阵元通道输出信号的载波相位辅助来进行盲波束形成,并通过控制算法实现智能切换。仿真结果表明,提出的算法在干扰环境且接收机冷启动的条件下仍能成功抑制干扰、正常运行,在无干扰或弱干扰条件下能进行波束形成来增强卫星信号,从而提高卫星可见性以及定位精度。提出的算法不需要姿态测量单元辅助且对阵元幅相不一致引起的导向矢量误差不敏感,其实现代价远小于传统的波束形成算法。     

基于BP神经网络的极移预报*

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出BP神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

基于雷达网拓扑特征的雷达目标编群算法

为有效评估战场电磁态势和实施雷达网对抗,研究雷达目标编群算法十分必要。提出了一种基于拓扑特征分析的雷达目标编群算法,在分析雷达网拓扑结构及其特征基础上,利用拓扑特征实现雷达目标群的建立和更新,完成雷达目标编群。仿真实例表明算法具有可行性和有效性,为电磁态势评估和雷达网对抗奠定了基础。     

受互联网思路启发的电力系统重要节点评估算法

对电力系统中重要节点进行有效区分,有助于在资源有限的条件下对重要节点施加额外保护或改变拓扑结构,从而提高系统鲁棒性、降低事故发生的概率。受网页排序算法启发,提出电气链接结构分析的随机方法(electrical stochastic approach for link structure analysis, E-SALSA)用于电力系统重要节点评估。该算法综合考虑了电力系统拓扑结构、潮流等因素对节点的影响,能够有效反映电力系统的真实情况,并且其特点更符合电力系统背景。在IEEE300节点电力系统中,使用失负荷规模和最大子群规模两个指标对E-SALSA算法与电气介数算法、基于共同引用的超链接引导的主题搜索(model based on co-citation hypertext induced topic search, MBCC-HITS)算法进行了对比分析。结果证明E-SALSA算法相比电气介数算法在两个指标上都具有优势,相比MBCC-HITS算法能够更综合考虑各方面因素对节点的影响,进而证明了E-SALSA算法的合理性、有效性。     

GNSS信号功率增强对调零抗干扰接收机的性能影响

由于卫星端信号发射功率小、信号传播损耗大,到达接收机的卫星导航信号极其微弱,容易被干扰。为有效应对电磁干扰的威胁,在系统层面和用户层面同时采取抗干扰措施将是一种很好的选择。建立调零抗干扰接收机抗干扰能力分析模型,并定量分析信号功率增强对调零抗干扰接收机抗干扰性能的提升效果。结果表明：信号功率每增强10 dB,接收机抗干扰能力可提升3～4 dB,但从提高接收机非极限条件下的接收性能(载噪比、测距定位精度等)的角度,信号功率增强15～20 dB时,接收性能最优。研究成果可为卫星功率增强量的优化设计以及终端抗干扰设计提供参考。     

一种低信噪比下的伪码快速捕获算法

传统的伪码捕获算法消耗时间长且在低信噪比条件下伪码捕获虚警率高,针对该问题,提出了一种低信噪比条件下的伪码快速捕获算法。该算法首先利用快速傅里叶变换完成信号相干积累,然后根据频率进行门限判决,从而捕获相应的时域伪码。仿真实验结果表明：该算法可减少伪码捕获时间,降低伪码捕获的虚警概率。     

针对SCPS-NP的协议分析方法

描述了卫星通信协议中网络层协议SCPS-NP的基本结构,阐述了BM算法与ID3算法原理,提出了一种新的针对空间传输协议的有效分析方法———NP-BM-ID3算法,并通过仿真实验进行验证。实验结果表明：通过将原有的数据集分类,该算法不仅有效地解决了模式串长度不足问题,而且减少了规则总数,在条件属性数量不变的情况下降低了运算复杂度。     

基于禁忌搜索算法的指挥控制系统网络组织优化方法

基于复杂网络的拓扑结构优化理论与禁忌搜索算法,结合指挥控制系统的特点,建立了优化最优指挥与控制系统网络结构（Command and Control Architecture Network,C2AN）模型,并以复杂网络的网络效率和网络成本分别描述C2AN中的信息传播效率及构建C2AN的资源消耗,建立优化的目标函数,通过禁忌搜索算法获得了最优的C2AN。最后通过仿真实例,分析了最优C2AN生成过程及其基本统计特征。     

基于灰色神经网络的装甲器材需求量预测

分析了装甲器材需求量影响因素,将灰色预测与神经网络预测方法相结合,建立了装甲器材需求量预测的灰色神经网络计算模型。该模型具有灰色系统的少数据建模及神经网络的精度可控性等优点,能较好地解决目前装甲器材需求预测精度不高的问题,可为装甲器材管理部门制定订购、调拨计划提供决策依据。