短波地空IP网络中一种带预约的令牌协议

合适的信道接入技术是提升网络性能的关键.根据短波地空IP网络通信覆盖范围广、难同步、空中节点信息可能丢失的特点,设计出该网络一种新型的带预约短波令牌协议(HFTP-R),给出了区分空中节点优先级数据和常规级数据的预约算法,并利用OPNET软件进行了网络建模和不同参数配置下的仿真.仿真结果表明,该协议能提供较高的预约成功率和较好的实时性,且优先级预约比常规级预约更快接入信道,克服了短波令牌协议(HFTP)直接应用于短波地空IP网络时可能出现的通信中断,可满足网络需求.     

多无人机分布式协同动态目标分配方法

在以"网络为中心"的作战模式下,以电子干扰无人机和UCAV编队协同作战为研究对象。针对多无人机协同作战的动态目标分配问题,建立基于导弹攻击区分析的威胁估计模型,综合考虑电子干扰效果建立目标分配模型,提出一种基于分布式拍卖机制的目标分配算法。针对不同的作战想定进行仿真计算,结果表明:算法能在规定的时间约束内给出接近理想化效果的目标分配方案,且所提算法与现有几种算法相比在可靠性、实时性上都有明显提高。     

基于网络分层谱系模型的综合评估方法

为了对网络运行质量进行综合评估,定义和描述网络分层谱系模型,并基于网络分层谱系模型设计综合评估方法,考虑不同方案之间基于承载关系有向路的运行指标差异程度对评估结果的影响,凸显网间关系的整体公平和个体差异.算例分析结果表明:该方法能够实现网络运行质量的关联综合评估,为网络管理提供了新的思路.     

网络舆论演化的高影响力优先有限信任模型

针对经典有限信任模型在观点更新时需考虑其他全部个体的观点,以及虚拟社会网络规模巨大、用户时间和精力有限等问题,提出了基于影响力和信任阈值、含有双重选择机制的网络舆论演化模型,并对参与网络舆论演化个体的观点坚持策略进行建模,在多个参数集下对该模型与经典有限信任模型进行仿真.结果表明,所获得结果与实际网络舆论演化的情况相符.     

改进的 TDCS 基函数生成算法及性能分析

针对变换域通信系统在幅度谱成型采用硬判决门限算法和基于m序列的伪随机相位生成算法两方面存在的不足,提出了一种改进的变换域通信系统(tranform domain communication,TDCS)基函数生成算法.在对电磁环境估计的基础上,翻转功率谱进行免门限幅度谱成型,同时利用“注水定理”功率分配法改变调幅因子,增强了系统的抗干扰能力;使用gold序列代替传统的m序列进行伪随机相位生成,伪随机相位的随机性得到很大的提高,增大了噪声系数NFI,改善了系统的射频隐身性能.仿真结果表明,通过同时改进幅度谱和伪随机相位生成,基函数的性能得到明显的改善,使变换域通信系统具有良好的低截获/低检测特性,同时兼顾抗干扰与射频隐身能力.     

稳健MIMO雷达发射波形和接收滤波器优化

针对雷达阵元功率放大器非线性以及在拥挤电磁频谱环境下所面临的频谱干扰,以雷达发射波形峰均比和在干扰频带内的发射能量为约束条件,结合弱目标方向估计不准的情况,提出一种稳健的MIMO雷达发射波形和接收滤波器联合优化方法.通过半正定松弛、Charnes-Cooper转换、序列优化和Max-min优化理论,将目标方向不确定集内非凸的优化问题转化为关于发射波形和接收滤波器的子凸优化问题进行求解;最后通过随机向量合成得到最终发射波形和接收滤波器.该方法在提高算法稳健性的同时,使每个阵元发射波形满足特定峰均比并且在干扰频带内形成零陷,从而提高MIMO雷达在实际应用环境下的工作性能,仿真实验验证了该方法的有效性.     

基于超网络的作战信息流转建模及特性分析

针对现有单一要素模式的信息网络不能有效反映作战信息流转复杂结构及动态过程的问题,提出一种基于超网络的作战信息流转"两层三网"模型构建及特性分析方法。首先,分析作战信息流转超网络结构特征,抽象作战节点和信息关系的多维属性,定义关联映射规则,建立作战信息流转超网络模型;其次,从节点的超度分布、超边的度分布、介数、聚类系数、子图向心性和网络弹性6个方面,研究了作战信息流转超网络的拓扑特性。最后,以空中突击作战为例,通过仿真实验,验证了模型与方法的可行性和合理性。     

基于改进NCS算法的弹载FMCW SAR大斜视成像方法

调频连续波(frequency modulated continuous wave,FMCW)合成孔径雷达(synthetic aperture radar,SAR)具有体积小、重量轻、成本低、功耗低等优点,在精确制导领域具有较大的应用潜力。推导分析了弹载FMCW SAR大斜视回波信号波数域表达式,在成像预处理中,通过引入全时间距离走动校正函数,有效避免了由导弹高速运动及大斜视角观测引起的二次相位误差的产生;在方位向处理中,给出了一种改进的非线性调频变标算法(nonlinear chirp scaling,NCS),补偿了方位空变相位误差,实现了方位向的高精度成像。最后仿真实验验证了理论分析结果及所提成像方法的有效性。     

基于洛伦兹函数的变步长凸组合最小均方算法

为进一步减小收敛速率与稳态误差之间的矛盾,改善自适应滤波算法,利用改进的Lorentzian函数提出了一种新的变步长凸组合最小均方(new variable step-size convex combination of least mean square,NVS-CLMS)算法,该算法既有效提高了收敛速率又具备很好的抗干扰能力。同时,为了克服CLMS算法停滞等待的弊端,采用了瞬时转移结构;另外,在参数的迭代公式中使用sign函数进行优化以降低运算量。仿真结果证明该算法与CLMS、VS-CLMS相比,在不同的仿真环境中均能表现出良好的均方特性和跟踪特性。     

不平衡数据下基于SVM增量学习的指挥信息系统状态监控方法

针对指挥信息系统历史状态样本有限的特点,基于支持向量机(support vector machines, SVM)设计了一种面向不平衡数据的SVM增量学习方法。针对系统正常/异常状态样本不平衡的情况,首先利用支持向量生成一部分新样本,然后通过分带的思想逐带产生分布更加均匀的新样本以调节原样本集的不平衡比。针对系统监控实时性要求高且在运行过程中会有新样本不断加入的特点,采用增量学习的方式对分类模型进行持续更新,在放松KKT(Karush-Kuhn-Tucker)更新触发条件的基础上,通过定义样本重要度并引入保留率和遗忘率的方式减少了增量学习过程中所需训练的样本数量。为了验证算法的有效性和优越性,实验部分在真实系统中获得的数据集以及UCI数据集中3类6组不平衡数据集中与现有的算法进行了对比。结果表明,所提算法能够有效实现对不平衡数据的增量学习,从而满足指挥信息系统状态监控的需求。