基于小波技术的校园网流量分形特性研究

网络流量特性是人们深刻理解整个网络体系的架构及网络控制机制的切入点,所以有必要深入探究网络流量的特性。通过小波技术对某校园网络流量数据进行全面分析,细致地刻画了流量到达过程的自相似性与多重分形特性。     

GPU上高光谱快速ICA降维并行算法

高光谱影像降维快速独立成分分析过程包含大规模矩阵运算和大量迭代计算。通过分析算法热点,设计协方差矩阵计算、白化处理、ICA迭代和IC变换等关键热点的图像处理单元映射方案,提出并实现一种G-Fast ICA并行算法,并基于GPU架构研究算法优化策略。实验结果显示:在处理高光谱影像降维时,CPU/GPU异构系统能获得比CPU更高效的性能,G-Fast ICA算法比串行最高可获得72倍加速比,比16核CPU并行处理快4~6.5倍。     

基于QFD及粗糙集的保障能力需求满足度评价方法

针对传统能力评价中指标及其权重的确定具有不一致性和不确定性特点,提出了一种以保障能力需求满足度为依据的评价方法。利用由保障能力-保障性能-保障特性映射的质量屋信息,按照构建质量屋的反方向将保障特性满足度转化为保障能力满足度。为了有效处理模糊和不确定的保障特性评价信息,采用粗糙集理论将评价数据表达为粗糙数形式。最后举例验证了方法的有效性。     

STK飞行任务仿真及其在空地链路分析中的应用

飞行仿真是飞行航路设计,飞行任务规划以及飞行训练等项目中非常重要的一项任务。介绍了在STK(Satellite Tool Kit)的三维显示环境下,利用STK提供的专业化模块STK/AMM(Aircraft Mission Modeler)进行航空器飞行任务仿真的方法,详细阐述了利用该模块进行飞行任务规划和飞行路径设计的过程。同时结合STK的数据分析功能完成航空器在飞行过程中与地面台站的通信链路的可用性分析。给出的仿真方法较以往的仿真方法简单,设计过程更加灵活,可以快速地实现飞行任务仿真设计和空地通信链路的可用性分析。     

异步非平稳干扰抑制方法

为解决单通道条件下异步非平稳干扰抑制问题,提出基于数据驱动的稀疏分量分析干扰抑制方法,旨在从接收到的混叠信号中恢复期望信号。该方法利用深度卷积神经网络对输入/输出端数据间的复杂映射关系的强大建模能力,实现了目标信号稀疏域的自适应选择、稀疏域中目标信号稀疏表示的自适应学习以及目标信号的自动恢复。与以往干扰抑制算法不同,所提方法在时域上完成了“端到端”的信号波形恢复,且对混叠观测无先验要求,相比现有方法更具普适性。仿真实验验证了所提干扰抑制方法在不同环境噪声和干扰信号强度及泛化测试条件下的有效性,对干扰的抑制性能显著优于现有算法。     

卫星导航接收机中快扫频干扰低复杂度抑制方法

针对卫星导航接收机中的快扫频干扰抑制问题,提出了一种基于脉冲置零的低复杂度干扰抑制方法,与传统基于时频分析的干扰抑制方法不同,该方法通过低通滤波将时域上连续的快扫频干扰转变为脉冲干扰,并通过脉冲检测与置零对干扰进行抑制。当快扫频干扰处于低通滤波器带内时,被当作脉冲干扰置零;当快扫频干扰处于低通滤波器带外时,被当成带外干扰滤除。理论分析与实验结果表明,该方法相对传统方法的运算复杂度降低了一个数量级,并且能得到与传统方法相近的干扰抑制效果。     

基于模糊物元分析法的坦克作战效能评估

鉴于坦克作战效能评估中客观存在的不确定性和模糊性,提出了基于改进模糊物元分析方法的坦克作战效能评估模型。该模型在构建坦克作战效能评估指标体系基础上,将层次分析法和熵权法计算出的权重有机组合实现综合赋权,并据此建立坦克作战效能的模糊物元分析评估模型。实例分析表明,所提出的模型便于理解,易于实现,兼顾了主客观因素的影响,评估结果总体反映了坦克作战效能的真实水平,也为其他装甲武器作战效能的科学评估提供新思路。     

基于IDEA模型的坦克性能指标需求方案有效性分析

针对坦克车辆性能指标需求方案有效性分析的输入指标为区间数、具有模糊性这一实际情况,提出了一种基于IDEA模型的需求方案有效性分析方法,并详细给出了该方法的计算步骤和算法。研究表明,该方法能够有效完成需求方案的有效性分析,同时也简化了计算过程,使得分析结果更为客观合理,最后通过一个示例来验证模型的可行性和有效性。     

基于网络结构的武器装备体系能力分析

现代战争以及从"平台为中心"转向以"网络为中心",强调的是通过各类武器平台通过相互之间的协作配合而形成作战网络来实现体系能力。从宏观和微观两个角度分析了武器装备体系能力的实现机理,构建了武器装备体系的作战网络结构模型,给出了作战网络结构模型中的节点类型和关系类型,提出了能力环的概念,从作战网络结构的角度对武器装备体系的整体能力进行了分析,并给出了具体算例。     

基于粗糙集和支持向量机的火炮内膛疵病识别方法

火炮内膛疵病智能识别是火炮内膛窥测的最终目标,它涉及到内膛疵病的特征提取和疵病识别两方面。首先建立了包括疵病形状、纹理与颜色特征的火炮内膛疵病特征体系;并采用模糊粗糙集理论分析了各疵病特征对疵病识别的敏感性,由此优化了疵病特征体系,降低了疵病特征维数;建立了最小二乘支持向量机小样本、非线性数据特征的多疵病分类器,提高了疵病识别效率和质量。