基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

翼伞系统线目标归航方法

针对运载火箭助推器或子级无控坠落地面落点散布较大的情况,提出一种翼伞系统的线目标归航方法。建立了矩形边界下的归航计算模型,对点目标归航和线目标归航两种方法进行了收缩区域分析;对翼伞归航能力、落区散布边界特征对归航性能的影响进行对比分析,得到了相应的归航策略,并提出在较大散布区域下设置多个着陆区域的工程解决方案;建立动力学和操纵控制模型,对线目标归航过程进行了仿真。结果表明,所提方法对工程有一定的参考价值。     

J2摄动下卫星编队重构的多脉冲轨迹优化

针对考虑J_2摄动的椭圆参考轨道的编队重构问题,以消耗燃料最少为目标函数,基于高斯变分方程研究编队重构的多脉冲轨迹优化方法。推导考虑J_2摄动和轨道面内外耦合的轨道要素偏差线性动力学方程,采用遗传算法和序列二次规划结合的混合算法对总的速度增量进行优化。数值仿真表明该混合算法有效,可以高效地得到可行解。由于考虑了J_2摄动和椭圆参考轨道,该算法对航天任务中的轨迹优化具有一定的参考意义。     

高密度城市中的营区扩建规划

当前我军营区纷纷改扩建,但许多部队营区地处高密度市区,难以通过向周边拓展用地来获得新的发展空间。如何实现高密度城市中的营区扩建规划?结合部队营区实际条件提出三种发展模式:整体换建,原地重建和原地改建。并提出了营地利用立体化、营房组织集约化、后勤服务社会化、营房建设树立全寿命化意识等在有限用地上扩展营区空间的措施。     

一种用于SEAD任务的改进型Voronoi图

根据雷达所在位置构造Delaunay三角形,取它的外心作为Voronoi图的顶点,构造常规Voronoi图,使用随机搜索算法可以为无人战斗机规划安全路径。由于战场环境威胁各异,使用常规Voronoi图不再能表征真实的SEAD任务,增大了无人战斗机的威胁,本文提出了一种新的Voronoi图的改进方法,以提高无人战斗机在执行SEAD任务时的生存概率。首先,根据可能出现的各种情况进行了分析,提出了改进型Voronoi图的构图原则。然后,提出了在不同威胁体下,基于"Delaunay多边形"构造改进型Voronoi图的方法。最后,进行了仿真。仿真算例的结果验证此方法可以明显地提高无人战斗机的生存概率。     

多架无人机协同作战的路径规划

提出了一种协调多架无人机的编队同时到达目标的航路规划方法.首先根据敌方防御区域内雷达、导弹等威胁阵地的具体分布情况,采用划分Voronoi多边形的方法制定初始航路,然后通过叠加定长线段到初始航路上对初始航路进行离散化,最后采用动态链类比法调整航路并对航路进行光顺优化处理,使航路安全可飞.并用数字仿真技术对该方法进行了验证,结果表明该方法是可行的.     

二维混沌置乱矩阵构成置换群的理论和实验证明

群论是研究对称性问题的强有力的数学工具.混沌指的是确定性非线性动力系统表现出来的内在随机性,具有有界、非周期、对初始条件和参数极度敏感等特点,由其产生的离散序列可用来对数字图像等数据进行加密.目前已有的文献中对二者之间的关联现象鲜有研究.基于群和混沌的基本理论,结合置换群的概念,从理论和实验两方面证明了二维混沌置乱矩阵对置换变换构成置换群的结论,并由此指明了试图用不同初值,经不同混沌系统产生多个混沌二维置乱矩阵对数字图像、视频等多媒体数据进行多重置乱加密以加强安全性的做法的无效性.     

关联规则挖掘在发动机故障分析中的应用

大部分关联规则挖掘算法仅以出现频率作为阈值来产生关联规则,然而在发动机故障数据分析领域,很多关键故障的出现机率较低,采用传统的挖掘算法无法适应航空发动机故障分析的需要.提出一种新算法,称为权重式多重支持度关联规则挖掘算法,此算法可针对不同重要度的故障定出不同的支持度阈值,由此产生的关联规则,可以解决高重要度但出现较少的故障不易被挖掘的问题.     

累积和检验算法应用于主动声纳检测时的性能

研究了一种基于瞬态信号检测的累积和序贯检测器,其检验统计量由归一化匹配滤波器输出决定,受到声纳方程估算的信噪比影响.从理论上分析了该算法的虚警和检测性能,并和归一化匹配滤波器作了比较.海试数据的验证结果表明,该算法检测性能优于归一化匹配滤波器,并且对混响有较好的抑制作用.     

排课中合班问题的探讨

基于排课的实际需要,分析了合班对排课的影响,结合遗传算法在排课中的应用,建立了针对班级上课时间分布均匀性以及课程上课时间分布均匀性的适配值函数.在对课程表进行编码后,把合班问题的解决方案应用于排课算法,使用合班信息与课表编码信息的双表操作,从而能在遗传基因中判断出非法个体,并能进行合理化调整.算例结果表明本算法能有效解决排课中的合班问题.