支持原位计算的高效三角矩阵乘法向量化方法

向量化算法映射是向量处理器的难点问题。提出一种高效的支持原位计算的三角矩阵乘法向量化方法:将L1D配置为SRAM模式,用双缓冲的乒乓方式平滑多级存储结构的数据传输,使得内核的计算与DMA数据搬移完全重叠,让内核始终以峰值速度运行,从而取得最佳的计算效率;将不规则的三角矩阵乘法计算均衡分布到各个向量处理单元,充分开发向量处理器的多级并行性;将结果矩阵保存在乘数矩阵中,实现原位计算,节省了存储空间。实验结果表明,提出的向量化方法使三角矩阵乘法性能达到1053.7GFLOPS,效率为91.47%。     

基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。     

禁忌单亲遗传算法的某指挥控制舱协同任务规划

指挥控制舱是武器系统中指挥控制的功能核心,通过多人协同交互完成指控任务。为提高人员协同效率和操控效率。建立了以完成所有任务的时间最短为目标函数的多人协同任务规划模型。在求解模型时,采用禁忌单亲遗传混合优化算法,通过无性繁殖的方法,减少了在子代中产生无效染色体的情况,提升了算法的效率,通过禁忌算法有效避免陷入局部极小值。通过实例分析,算法使总任务执行时间减少了12豫。本模型以及求解算法在解决指挥控制舱多人协同任务规划时具有可行性,对指挥控制舱任务流程设计具有一定参考价值。     

动态多因子相关算法及其改进

以组网雷达情报综合处理为背景,针对多站多目标航迹相关问题,首先介绍了动态多因子相关算法的基本原理,然后在此基础上提出了几点改进措施。利用位置因子的重要性对相关判定区域做了限制;利用航向因子对判决结果进行二次修正,同时结合目标的机动检测问题,提高了对目标强机动的检测能力;此外,根据实验结果还对综合处理中的航迹配对准则进行了修正。通过算法的改进不仅改善了航迹相关的质量,还降低了运算量。最后给出了改进后的算法流程图。     

捷联惯导系统姿态算法研究

姿态算法是捷联惯导系统算法中的一个重要组成部分,研究了一种新的递推补偿方法并在BorlandC语言环境下进行了仿真,使其更接近工程实践.     

多相永磁同步电动机的矢量控制及仿真

建立了多相永磁同步电动机定子静止坐标系以及d、q旋转坐标下的数学模型 ,对多相永磁同步电动机的矢量控制系统进行了一般性分析 .针对表面式永磁电动机提出了一种简单高效的转子磁场定向控制方法 .采用Simulink/PSB对系统进行了动态仿真研究     

基于马尔科夫链的一种评价方法

应用了数理统计与随机过程理论,从分析动态系统的状态以及状态转移情况给出了一种合理的评价方法,经过实例验证,该方法效果较好.     

支持向量机规则提取

支持向量机是一种黑箱模型,其学习到的知识蕴含在决策函数中,不仅影响了用户对利用支持向量机技术构建智能系统的信心,还阻碍了支持向量机技术在数据挖掘领域的应用。由于对支持向量机规则提取进行研究有助于解决上述问题,因此该领域正成为机器学习和智能计算界的研究热点。分析了具有代表性的支持向量机规则提取算法,并提出该领域未来的研究重点。     

【将军论坛】重要经济目标与矢量防护工程

重要经济目标是信息化战争首选的打击对象,这类目标绝大多数位于地面以上,特点突出、规模庞大、难以保密、易损性强,一旦遭受破坏后果将损失惨重,而依靠建造硬壳抵御弹药毁伤的传统防护工程对其难有大的作为。本文从新形势下重要经济目标防护陷于困局的实际出发,系统分析和梳理了传统防护工程和防护技术的特点及其应用的固有薄弱特征,提出矢量防护的创造性解决方案,为重要经济设施和预警设施、新型作战装备等位于地面的易损性目标提供了理论基础。矢量防护工程通过改变弹药的运动方向,避免弹药与目标交汇,将防护工程由“拳击式”硬顶变为“太极式”破解,为未来我国重要经济目标提供了新质防护技术。     

An approach for predicting digital material consumption in electronic warfare

Electronic warfare is a modern combat mode, in which predicting digital material consumption is a key for material requirements planning (MRP). In this paper, we introduce an insensitive loss function (ε) and propose a ε-SVR-based prediction approach. First, we quantify values of influencing factors of digital equipments in electronic warfare and a small-sample data on real consumption to form a real combat data set, and preprocess it to construct the sample space. Subsequently, we establish the ε-SVR-based prediction model based on “wartime influencing factors - material consumption” and perform model training. In case study, we give 8 historical battle events with battle damage data and predict 3 representative kinds of digital materials by using the proposed approach. The results illustrate its higher accuracy and more convenience compared with other current approaches. Taking data acquisition controller prediction as an example, our model has better prediction performance (RMSE = 0.575 7, MAPE (%) = 12.037 6 and R² = 0.996 0) compared with BP neural network model (RMSE = 1.272 9, MAPE (%) = 23.577 5 and R² = 0.980 3) and GM (1, 1) model (RMSE = 2.095 0, MAPE (%) = 24.188 0 and R² = 0.946 6). The fact shows that the approach can be used to support decision-making for MRP in electronic warfare.