基于选举的SDN机载网络控制器故障恢复机制

针对软件定义航空集群机载网络控制域内控制节点故障问题,将故障恢复问题转化为领导者选举问题,提出一种基于选举的软件定义机载网络控制器故障恢复机制,在控制域内选举传输节点作为新控制节点。为优化新控制节点性能,综合各传输节点平均传输时延、最大请求量和平均故障率3个参数计算传输节点的权值,根据权值定义选举优先级,并提出基于优先级的控制节点选举(priority-based control node election, PBCNE)算法。实验结果表明,与现有选举算法相比, PBCNE算法的复杂度(消息数和时间量)有了明显降低,有效减少了故障恢复时延,能够快速高效地恢复控制器故障。     

新型超宽带圆极化印刷天线

针对传统圆极化微带天线轴比带宽较窄的问题,提出了一种新型的超宽带圆极化印刷天线。该天线结构简单,仅由C型辐射贴片和改进后的地板组成。采用微带馈电模式,整个天线尺寸仅为25 mm×25 mm×1 mm。通过优化C型贴片和在地板上增加三角形和小长方形微扰结构,可以有效增加天线的阻抗带宽和轴比带宽。给出了天线的设计流程,从表面电流分布分析了圆极化天线的工作机理。加工了天线实物,并对其进行了测量。仿真和实测结果表明天线具有超宽的阻抗带宽和轴比带宽。天线的工作频带为4.4~11.6 GHz(相对带宽为90%),3 dB轴比带宽为3.6~11.3 GHz(相对带宽为103.4%)。测量了天线的辐射性能和增益特性,实测结果与仿真结果吻合较好,证明了该天线的有效性。该天线可以应用于超宽带无线通信系统和卫星通信系统中。     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。     

幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。     

光学遥感图像目标检测方法

更快速区域卷积神经网络(faster region-based convolutional neural network,Faster RCNN)是两阶段的目标检测模型,通过区域生成网络将区域提议与识别完全融合到网络模型中,使主要的运算可以在图形处理器中完成,因此,其同时具有良好的检测速度与精度。但是当Faster RCNN直接应用于遥感图像目标检测,面对宽尺寸范围的多种目标时,性能受到了很大削弱。分析了池化操作和目标尺寸对区域提议的影响,提出联合多层次特征进行区域提议的方法,提升了目标区域的提议召回率。针对性地优化前景样本的生成策略,避免训练过程中的产生无效前景样本,使得整个检测模型的训练更加高效。实验结果表明,所提出的模型和训练方法能够提高多尺度遥感图像目标的召回率与检测精度,且具备较高的训练效率。     

主用户模拟攻击下的协作频谱感知方法

针对存在主用户模拟攻击(primary user emulation attack, PUEA)下的频谱感知问题,提出了一种基于攻击强度阈值(attack-aware threshold, ART)的协作频谱感知方法。该方法首先建立了存在PUEA的网络模型,然后分析4种状态下协作频谱感知的特点,采用检测统计量的一阶和二阶矩估计出PUEA攻击的概率,最后以总误差概率为目标函数,求出不同攻击强度下的最佳门限阈值,并通过ART方法完成在不同攻击强度下的协作频谱感知。仿真实验表明,该方法能够估计恶意信号出现的概率,有效减少频谱感知总误差概率,提高整个网络的频谱感知性能。     

变权区间数Heronian算子下集群态势觉察一致性评估

无人机集群协同态势觉察一致性是集群协同作战获取信息优势的重要条件,基于此提出了基于变权区间数Heronian算子的集群态势觉察一致性评估方法,用于多种(作战仿真)情况下集群协同态势觉察一致性分析。首先,结合集群协同作战需求,从完备性、准确性等方面对一致性评估指标进行建模;然后,考虑多时刻指标数据的不确定性,构建非线性处理的区间决策矩阵,利用变权理论求取权重;最后,考虑指标的关联性,使用区间数加权Heronian平均算子集结指标数据,利用集结的区间数表征集群态势觉察一致性。结果表明,所提指标及方法可以有效分析集群协同态势觉察一致性。     

基于循环自相关/平均幅度差函数的弹道目标微动周期估计

雷达微多普勒(m-D)是弹道目标的突出特征,为弹头识别提供了重要手段.然而,当弹道目标的微动伴随平动时,时频分布不再表现为正弦调制曲线,此时基于时频分布正弦假设的微多普勒特征提取方法可能失效.针对这一问题,提出了一种循环自相关函数(CACF)和循环平均幅度差函数(CAMDF)相结合的估计算法,来获取时频分布的循环系数矩阵和该矩阵的平均循环系数,从而估计出弹道目标的微动周期.该算法以时频分布的循环周期性代替正弦调制的周期性,不需要假设目标平动已被准确补偿,有效克服了传统微动周期估计方法的不足.理论推导论证了该算法的可行性,仿真实验验证了该算法的有效性和抗噪性.     

基于改进LSSVR模型的移动节点定位技术研究

针对最小二乘支持向量回归(least squares support vector regression,LSSVR)模型在移动节点定位过程中存在难以确定最优参数的不足,提出一种基于改进粒子群算法优化LSSVR模型的定位方法.通过最小二乘支持向量回归机构造节点定位的模型,自适应调整惯性权重以及学习因子来提高粒子群算法的寻优性能,并将其应用到LSSVR模型的参数优化中,避免参数选择的盲目性.根据接收信号强度指示(received signal strength indication,RS-SI)测距技术获得节点移动过程中的距离向量,将其输入LSSVR定位模型,估计出未知节点的坐标.仿真结果表明,相对于LSSVR与PSO-LSSVR算法,所提算法的定位精度分别提高了25.9％和19.7％,具有较好的定位稳定性与实时性.