M&S中周期数据质量保证

数据的有效性与精确性在M&S全周期的校核、验证与确认过程中起着重要作用.从保证全生命周期的数据质量出发,说明了数据质量保证评估的体系结构,重点介绍了从数据采样到结论生成全周期中保证数据质量的基本原理和详细步骤.     

被动声传感器网络模拟器的设计与实现

现代雷达防空体系对低空/超低空飞行目标的探测仍然是其弱点之一.被动声传感器网络数据融合理论和技术的快速发展,给这类目标的探测、识别和定位跟踪提供了新的方法.在对被动声传感器工作原理、目标运动模型和方位角检测模型分析的基础上,给出了一种被动声传感器网络模拟器的设计思路,同时给出了其软件平台的实现方法.模拟器考虑了大气环境因素的影响和传感器对目标探测的实时处理能力的要求,产生的仿真数据能够较好地逼近真实数据,为被动声传感器数据融合算法的研究提供了强有力的数据支持.     

外弹道数据融合实时算法研究

信息融合技术可以大大减轻指挥决策的工作量,增加信息置信度,减少模糊性,改善系统可靠性.针对靶场实时测控数据处理中急待解决的成片野值干扰等难题,在实时环境中采用数据融合处理方法,讨论了外弹道数据融合实时算法所面临的关键技术,并通过分析与论证得出可行性结论.结论对进一步的系统设计与软件实现具有指导意义.     

灾害应急反应建模与仿真

为了满足多智能体应急反应仿真的需求,首先对构建多智能体应急反应仿真模拟框架的复杂性进行了分析,在此基础上提出并设计了组件式仿真模拟框架.采用本体(Ontology)建模、语义网模型及产生式规则推理等理论方法构建了仿真模拟框架的场景建模模块、人员Agent建模模块等组件.最后对依照上述研究内容所开发的原型系统进行了测试,对测试结果进行了分析,结果表明该框架能够有效满足多智能体应急反应仿真的建模需求.     

一种面向语义正确性的关系数据库访问方法

从异构关系数据源中获取语义正确的信息是当前利用数据资产辅助决策所面临的一大难题.为解决这一问题,提出了一种研究面向语义正确性的关系数据库访问方法(SCORDA).SCORDA方法采用DL -LiteNOWL本体作为支持数据访问任务的概念视图,在本体的表达能力和推理复杂度之间做了一定折中;SCORDA方法通过LAV+ GAV的映射方式建立本体与关系数据源之间的语义关联,兼顾了模式异构和阻抗失配问题;此外,SCORDA方法采用了一种动态ABox结构,即时从异构关系数据源中恢复虚拟对象,并且利用动态ABox进行实例检测推理任务,通过本体的模型语义来保证数据访问的正确性.通过原型系统验证了该方法的可行性.     

抢险救灾非战争军事行动中应急资源调度网络的优化方法

抢险救灾非战争军事行动包括道路抢修和物资运输等任务,而这两类任务在灾后应急资源调度中存在关联性的影响,且面临路网结构可变及需求随机模糊等挑战,对此,提出了一种非确定性应急资源调度网络双层规划模型,设计了基于蒙特卡洛方法与遗传算法耦合的智能启发式求解策略.通过对典型情境下应急资源调度案例进行分析建模和数值求解,说明了该模型和算法的合理性和有效性.     

空地协同反干扰目标交叉定位融合算法

传统双站交叉定位精度较高,但在基线及其延长线无法定位且在基线附近定位误差迅速增大;预警机测高交叉定位可实现全空域定位,但定位精度不高。针对这两种定位方法的优缺点,提出了基于传统交叉定位和预警机测高交叉定位的距离解算加权融合算法,并进行了仿真分析比较,证实了算法的有效性。     

改进的前向信息修补算法及其应用

前向信息修补算法可以对离散动态贝叶斯网络的缺失数据进行预测,该算法只适用于所有观测节点是相互独立的网络,却不能处理观测节点有依赖关系网络的缺失数据。针对该算法的这一缺陷,提出了改进的前向信息修补算法,在分析离散动态贝叶斯网络的缺失数据具有二种基本形式的基础上,推导出了每种形式的相应预测公式。继而构建了用于识别威胁源离散动态贝叶斯网络的模型。仿真实验验证了改进的前向信息修补算法的有效性。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。     

屏蔽数据在新型截尾样本下系统的可靠性分析

当系统含有屏蔽数据时,在具有随机移走逐步增加型截尾模型下,讨论了部件寿命服从双参数指数分布的串联系统可靠性估计问题。设随机移走系统数服从二项分布,利用极大似然方法,Bayes理论及方法,推导出双参数指数部件参数、系统可靠性函数、失效率函数及移走概率的极大似然估计和Bayes估计。并利用Monte Carlo方法对两种估计结果进行了比较,表明Bayes估计较极大似然估计效果更优。