多导弹发射单元HLA仿真系统中数据分发管理的应用

根据基于HLA的多导弹发射单元分布式仿真系统中数据分发和过滤的具体需求,在对HLA中数据分发管理策略深入研究的基础上,文章提出了多层次区域面序列和多层次路径空间序列的数据分发管理方案.通过在路径空间中创建平行的区域面序列和在空间中创建平行的二维路径空问序列,实现多导弹发射单元分布式仿真系统中数据信息的分类、分层次分发过滤,同时采用措施优化区域匹配、减少组播组分配,进一步提高数据分发的效率.仿真结果证明了方案的有效性.     

一种网格简化算法及其在三维重建上的应用

针对机器人和自主车辆仿真系统开发的需要,提出了一种利用激光雷达采集的点云数据进行场景重建的算法.该算法根据激光雷达的点云数据生成多边形网格,能够对场景进行有效分割,并在此基础上对多边形网格进行有效简化,从而满足实时仿真系统的需要.在最后给出了仿真实验的结果,实验证明该算法简明有效.     

分布式交互仿真中一种新的数据分发管理算法的研究

高层体系结构HLA中的数据分发管理DDM的主要目标是为了尽可能地减少成员收到不需要的数据和流过网络的数据量，以有效地使用系统的通信带宽和处理机的计算能力来满足系统的可扩展性，同时也提高了仿真效率。在对HLA中数据过滤机制深入研究的基础上，提出了一种新的DDM算法：首先利用网格进行区域匹配的计算，其次给当前有公布区域和订购区域重叠的网格单元动态地分配组播地址，最后实现把部分公布数据传递给接收方。仿真结果证明了方法的有效性。     

基于网格的数据过滤机制及性能优化研究

在大规模分布式交互仿真中，大量仿真实体之间如何进行有效的数据通信是仿真领域研究的重点和难点。为了解决传统DIS数据过滤机制造成的广播风暴以及网络资源的极大耗费，HLA—RTI提供了基于组播通信的数据分发管理（DDM）服务。分析了不同DDM方法的过滤机理，通过对比指出了它们存在的优缺点，在此基础上，重点研究了基于网格数据过滤机制中网格尺寸大小对过滤性能的影响，提出了一种新的求取最优网格尺寸的方法，经过理论推导阐明了选取最优网格尺寸的制约因素，通过仿真实验说明了网格尺寸的选取不宜过小。     

分布式网络环境下DDM系统层次仿真框架

在基于HLA的大规模交互仿真中，如何灵活、高效地实现分布式网络仿真成为迫切需要解决的问题。HLA中的数据分发管理机制为实现大规模交互仿真提供了可能。分析了数据分发实现过程及过滤原理，结合分布式网络的特点，构建了一种层次化数据分发管理系统仿真结构，提出了层次化DDM系统仿真策略，并对层次化DDM仿真系统的性能进行了分析对比，说明了层次化仿真框架的可行性及优越性。     

卫星星座导航数学仿真系统及其关键技术研究

为了研究卫星导航系统的星座覆盖性能,信号链路、时间系统等关键技术和性能指标,有必要建立导航星座仿真系统,完成导航星座系统在各种模式下的工作状态模拟并对其结果进行分析和评估.论述了基于高层体系结构(HLA)仿真平台下的卫星星座导航数学仿真系统的总体设计,介绍了卫星导航星座分系统以及仿真支撑环境的功能.在此基础上,分别对仿真时间的推进策略、数据分发管理、仿真时间同步以及卫星轨道确定等关键技术进行了分析与研究.试验结果表明,本文设计的仿真系统及采用的若干关键技术,能够很好的满足仿真与评估的需求,对我国北斗卫星导航系统的研制具有重要的参考价值.     

高层体系结构中DDM数据过滤方法

匹配方法是影响数据分发管理性能的关键因素,是实现数据过滤的有效手段.重点研究了实现DDM数据过滤的两种新方法:排序匹配法和R-树匹配法.分析了排序法和R-树法的过滤原理及其特点,给出了实现排序法的序表方案,以及R-树匹配法的框架组成结构.通过仿真实验对两种方法的性能进行了比较,结果表明,R-树法在构造时间开销和搜索时间开销上均优于排序法.     

复杂大系统中数据分发管理的几种实用方法

在基于HLA/RTI的联邦开发中,复杂大系统的数据分发是一个急需解决的问题。本文分析了HLA/RTI中数据分发管理的实现机制和大系统中数据分发的困境,提出了通过在外部增加实体模型推进、优化匹配算法和减少组播组来提高数据分发效率的方法,并给出了仿真验证结果。     

基于关联规则的HLA动态数据分发策略

针对HLA数据分发,提出了基于关联规则的动态数据分发策略,主要工作有:(1)提出基于关联规则的动态数据分发思想。(2)设计了描述仿真系统成员之间数据交互情况的发布订购树(PS-Tree)。(3)基于PS-Tree挖掘关联规则,实现动态数据分发策略。(4)给出动态数据分发策略性能的量化分析。实验结果说明动态数据分发策略通过提高组播资源利用率,有效实现了基于值的数据过滤,减少了冗余数据的发送与接收,从而提高仿真系统的实时性、稳定性。     

基于守护/控制模式的并行仿真任务分发算法研究

在研究相关并行仿真任务分发和调度方法的基础上,提出了基于守护/控制模式的并行仿真任务分发和调度构建方法,并设计了基于该模式下的一种并行仿真多样本任务分发算法,算法可自动地将仿真样本分发到多台客户机上并行执行,使得在执行仿真时仿真用户并不需要关注样本的分发过程,从而有效提高了仿真多样本的自动分发程度,为并行仿真应用系统的运行提供了高效支持。本算法对类似系统的实现具有重要的参考意义。     

Self-adaptive Algorithm in Data Distributed Management

In this article, to resolve the general adaptive problem of the dynamic grid-based algorithm in distributed interactive simulation based on HLA, the adaptive dynamic grid-based algorithm is suggested by thoroughly researching the theory proof and formula deduction of the dynamic grid-based algorithm. The availability of dynamic grid-based algorithm is studied under three special situations by theory proof and formula deduction, and the results of instance imply that the dynamic grid-based algorithm can be applied under three special situations by changing the implement process of the dynamic grid-based algorithm. The conclusions show that the adaptive dynamic grid-based algorithm is self-adaptive, can reach the goal of the data distributed management, and greatly improves the effect and efficiency of the high complexity simulation system based on high-level architecture.     

基于HLA/RTI的分布式交互仿真中数据分发管理的研究

在基于HLA/RTI的分布式交互仿真系统中,一个关键的研究问题就是如何建立仿真成员间有效的信息交互和传递机制以满足系统的可扩缩性要求。本文首先讨论了RTI1.3中的两种基本数据过滤机制,在对基于网格法的数据过滤机制深入研究的基础上,提出了一种新的数据分发策略:首先利用网格法进行区域匹配计算,然后基于公布方动态地分配组播地址。仿真结果表明,本文所提出的方法能有效地降低区域匹配的复杂度和充分利用组播地址资源。     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

基于状态转换的顺序式异步数据融合算法

针对现有基于伪量测的异步融合算法存在的实时性差、融合时刻中心处理器计算负荷大以及引入噪声等相关问题,提出一种新的基于状态转换的多传感器顺序式异步融合算法。新算法通过连续系统离散化获得融合周期内各采样点同融合时刻之间状态的动态关系,并利用该关系来建立相邻两个采样时刻间符合标准Kal-man滤波条件的状态递归方程以及相应的测量方程,然后通过执行顺序Kalman滤波来实现异步数据融合。详细推导了融合算法的具体形式,并通过理论分析和计算机仿真证明了该算法不仅能避免现有基于伪量测的异步融合算法所存在的诸多问题,而且能获得更好的跟踪性能。     

并行分布仿真中负载平衡的调度算法研究

并行分布式仿真对复杂大规模动态系统的研究，以及探索其长远的应用空间提供了便利，近年来日益成为研究的热点。在并行分布式仿真中，资源的负载平衡对于维护长时间运行的分布仿真演练的高逼真性是十分必要的。首先分析了分布式仿真中存在的一些负载平衡问题，进而提出了两种负载平衡的方法，以及集中与分布两种实现方式；然后提出了一种具有启发式的征募算法，最后分析了负载监测及迁移策略的实现方法。     

基于空间域划分的分布式SLAM算法

针对同步定位与地图构建(simultaneous localization and mapping, SLAM)中状态量高维时变的问题,本文通过综合集中式和分布式实现结构的各自优势,提出了一种基于空间域划分的分布式SLAM算法。该算法依据两个路标点与机器人连线之间的夹角,将整个空间域中的路标点进行区域划分,保证每个子空间域内含有两个不共线的路标点,并将每个空间域内的路标点组合构建观测模型,采用分布式无味粒子滤波器进行机器人位姿的估计,而采用联邦Kalman滤波完成对路标点的估计,并通过设计各子滤波器中粒子分布的调整方式改善了系统在动态重构过程的精度和稳定性。最后,通过实际数据的仿真试验证明所提算法具有更好的实时性和滤波精度。     

改进的低时延全回波Q路由算法

针对传统路由算法不能适应拓扑环境及网络负载变化导致的拥塞问题,提出了一种改进的低时延全回波Q路由算法。改进算法对于原有算法附加学习率因子进行替换,使用调节范围更大、适应性更好、算法性能更稳健的双曲正割算子;改进算法根据不同网络情况自适应地调节学习率,进而提供合理的路由决策。仿真结果表明,该算法可以适应于静、动态拓扑环境,与已有的路由算法相比,改进算法能有效地减少高、低负载时数据的平均递交时间,降低路由间的振荡,提高数据包的投递率,且体现更好的稳健性。     

面向Agent的时间管理算法研究

随着分布式仿真技术在深度和广度上的发展，如何有效地实现仿真体之间的时间同步成为目前分布式仿真技术中最为引人关注的重点和难点所在。本文运用面向Agent的分析方法研究分布式仿真中的时间管理。在分析了分布式仿真系统中仿真Agent之间关系的基础上，提出一种利用仿真Agent之间的因果关系协调时间推进的仿真时间管理算法。该算法利用各个仿真主体之间的制约关系，进行分组管理，层次化地协调仿真Agent之间时间推进，从而可以较好地提高仿真系统执行效率。     

基于车辆动力学和Kalman滤波的汽车状态软测量

针对汽车动力学控制过程中难以在线测得的横摆角速度等状态参数,根据参数软测量理论,采用Kalman滤波并结合汽车两自由度动力学模型,建立了汽车横摆角速度的线性最小均方误差估计算法。仿真计算与场地实验的结果验证了该算法的有效性,同时软测量技术的采用也为汽车控制系统的状态参数测量提供了一条可行、准确且低成本的研究思路。