节点可靠感知的差异保护虚拟航空网络映射算法

针对集成僵化的传统航空网络难以在节点出现故障后快速高效调度网络资源,从而恢复任务执行的问题,提出了无线网络虚拟化环境下节点可靠感知的差异保护虚拟航空网络映射(node reliability-aware protection-differentiated virtual airborne network embedding, NRPD-VANE)算法。首先,节点映射采用新的节点重要度评价方法,综合感知故障可能、无线干扰和网络资源,为虚拟节点映射可靠物理节点;其次,链路映射根据节点重要度,采用P圈保护技术对映射路径节点实行差异保护。仿真结果表明,相比传统的节点保护映射算法,所提算法在保持较低恢复时延的同时,提高了映射成功率。     

基于CNN网络和多任务损失函数的实时叶片识别

针对传统叶片识别易受环境干扰,难以实现复杂背景下的多叶片实时识别问题,提出一种基于CNN网络和多任务损失函数的实时叶片识别方法。采用CNN网络提取叶片图像特征图,输入到RPN网络生成区域候选框;依据特征图和区域候选框,提取候选框特征图,分别进行叶片分类和边界框回归,预测叶片类别和叶片预测框的定位;利用多任务损失函数约束分类和回归,来提高叶片分类和回归的准确率和运算速度。实验结果表明,该方法的平均实时叶片识别准确率为91.8%,平均实时识别速度为25 fps。     

基于投影寻踪学习网络模型的光纤陀螺漂移估计器设计

环境温度变化造成的复杂漂移（温度漂移）始终是制约光纤陀螺（FOG）性能提高的重要因素。FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，在这一领域首次采用投影寻踪学习网络（PPLN）方法设计FOG温度漂移在线估计器，相对于传统的神经网络技术，PPLN采用批量学习和参数变替优化的训练算法，可以自适应确定神经网络的规模、参数和神经元函数，不仅具有简捷的网络结构和较强的鲁棒性和模型辨识能力，还可以有效克服学习过程局部极限问题。基于该方法设计PPLN漂移估计器对某型FOG温度漂移进行估计。采用试验实测数据对所提方法进行验证，并采用传统反向传播神经网络（BPNN）的方法进行比较，计算分析结果表明，PPLN漂移估计器具有更好的估计精度和鲁棒性，尤其在陀螺温度不正常变化时对当前漂移的估计精度可以提高至少2倍。     

基于节点标号的Koch网络结构性质研究

针对正多边形Koch分形岛所映射成的Koch网络,根据节点接入网络的时间和位置信息给节点标号。在节点标号的基础上,研究网络的最短路由及计算最短路径长度;并分析网络的主要结构性质,如节点的度、度分布和累积度分布函数,以及网络的聚类系数、平均最短路径长度、度关联函数和介数中心性,得出结构性质的解析解。结果表明,所构建的Koch网络是无标度和小世界的;其聚类系数趋向于比较大的常数值;平均路径长度与网络节点数的对数呈正比关系,度相关函数、点介数和边介数都随节点度的变化而指数变化。     

基于复杂网络视角的航空通信网络鲁棒性分析

针对军事航空通信网络会遭敌攻击的实际情况,引入了一种不完全信息条件下的复杂网络攻击模型,分析了该模型在航空通信网络上的级联失效原理,并给出了航空通信网络的鲁棒性度量方法。最后,通过设置不同的不完全信息攻击模型参数和级联失效参数,对航空通信网络鲁棒性进行了仿真分析,验证了所提方法的可行性和有效性。     

复杂网络中节点重要度评估的节点收缩方法

首先定义了网络的凝聚度,在此基础上提出了一种评估复杂网络节点重要度的节点收缩方法,认为最重要的节点就是将该节点收缩后网络的凝聚度最大,其算法的时间复杂性为O(n3).该方法综合考虑了节点的连接度以及经过该节点最短路径的数目,克服了节点删除法的弊端.最后的实验分析表明该方法直观、有效且运算速度快,对于大型复杂网络可以获得理想的计算能力.     

面向战场多任务网络的等级优先动态带宽分配

为实现空中信息分发平台对战场多任务网络带宽资源的有效管理,在战术互联网资源管理模型中,提出一种等级优先动态带宽分配（classification prioritized dynamic bandwidth allocation,CPDBA）算法。该算法改进了基于网络效能最大化的带宽分配方法,优化了对指数效能业务的调度策略。仿真结果表明,该算法不但能够使相同带宽资源产生更高的任务价值,而且在网络过载时可以确保高优先级业务的服务质量,从而有效解决了多任务网络的链路带宽竞争问题。     

基于邻接信息熵的网络节点重要性识别算法

通过研究节点与其直接相邻和间接相邻节点之间的关联关系,提出了基于邻接信息熵的网络节点重要性识别算法,算法只需获取节点与其直接邻居及间接邻居间的关联关系,通过计算网络各节点的邻接度,进而计算各节点的信息熵,利用节点信息熵的大小表征节点在网络中的重要性.通过对一个基础网络、无向无权ARPA网络和加权有向ARPA网络进行实验仿真,证明该算法对不同类型网络的通用性;利用该算法对网络按节点重要性进行节点删除实验,研究网络形成子网络的数量与规模,证明了算法的准确性.     

基于K-shell的超网络关键节点识别方法

将K-shell指标扩展到超网络中,避免了超网络中超度较大、但位于超网络边缘位置的节点对挖掘关键节点带来的影响.由于K-shell方法的局限性,导致节点排序结果过于粗糙.针对这一问题,结合超度和K-shell(ks)值利用欧式距离公式提出识别超网络关键节点的ksd指标,并利用蛋白复合物超网络进行验证.实验证明,ksd指...     

基于标签传播识别网络中的关键节点

基于标签传播动力学提出了一种识别网络关键节点的算法,主要思想是把每个节点接收到不同标签的数量作为判断节点重要性的指标。应用两种不同的传播模型,在不同网络上与其它中心性指标作比较。结果表明:基于标签传播的中心性指标比其它的中心性方法可以更好地识别网络中的关键节点。基于标签传播的中心性指标还具有以下优势:不需要利用网络的结构信息,因此可以推广到大规模网络上;揭示了一种现象——好的接收者往往也是好的传播者。     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。     

3D multipath planning for UAV based on network graph

According to the characteristic and the requirement of multipath planning,a new multipath planning method is proposed based on network.This method includes two steps:the construction of network and multipath searching.The construction of network proceeds in three phases:the skeleton extraction of the configuration space,the judgment of the cross points in the skeleton and how to link the cross points to form a network.Multipath searching makes use of the network and iterative penalty method (IPM) to plan multi-paths,and adjusts the planar paths to satisfy the requirement of maneuverability of unmanned aerial vehicle (UAV).In addition,a new height planning method is proposed to deal with the height planning of 3D route.The proposed algorithm can find multiple paths automatically according to distribution of terrain and threat areas with high efficiency.The height planning can make 3D route following the terrain.The simulation experiment illustrates the feasibility of the proposed method.     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

基于时序图的作战指挥行为知识表示学习方法

为深入探索时序作战指挥行为知识的建模方法,实现对具有时序关联特征的指挥员作战指挥行为的有效表征,以兵棋推演作战指令为基础,提出一种基于时序图的作战指挥行为知识表示学习方法,对作战指挥行为进行知识表示学习,并通过作战指挥行为预测任务验证模型的有效性。实验结果表明,提出的方法对于评估指标提升较大,能够有效捕捉想定场景下联合作战指挥员的作战指挥行为时空特征,为时序作战指挥行为知识的表示学习提供了可行范例,为联合作战指挥员的指挥经验抽取和联合作战态势认知提供基础。     

基于航班机型分配的机队规划启发式算法

为了解决传统机队规划方法无法准确反映航空公司运营环境的问题,从航班机型分配的角度为航空公司设计机队规划算法,其基本思想是:给定候选机型以及航空公司生产运营环境(航线网络、航班计划、航班订座需求和平均票价水平),利用航班机型分配寻找最优的机队配置方案.将航班机型分配描述为时序网络图中的网络流问题,以“航班节-航班机型分配”成本最小为目标函数,机队中有且仅有一种竞争机型,被选用机型最低飞机数为约束条件设计模拟退火算法.仿真结果表明:对规模为13个航班节,7种候选机型的问题,算法平均运算时间为5.42秒,结果稳定且高效可行.     

基于二分图最优匹配的虚拟网络映射算法

针对现有虚拟网络映射存在开销较大、资源利用不够合理的问题,提出了一种基于二分图最优匹配的虚拟网络映射算法。首先以虚拟节点和物理节点为顶点构建二分图,将节点映射问题转化为二分图最优匹配问题;其次将节点资源评价最高的物理节点与节点需求评价最高的虚拟节点优先匹配,并利用Kuhn-Munkres算法求解二分图最优匹配,依据匹配结果进行节点映射;最后利用 k-最短路径算法实现链路映射。实验表明,与以往的映射算法相比,提出的映射算法在保持较高映射成功率的同时,提高了长期收益开销比,且资源利用更加合理。     

基于时频图自主学习的海面小目标检测

多维特征检测方法已成功运用于海面小目标探测中.针对人工特征提取的局限性,将检测问题转变为两分类问题,提出了一种基于时频图深度学习的目标检测方法.首先,将一维观测回波变换到二维时频域,并通过归一化时频图进行白化预处理.其次,建立半仿真含目标回波数据库,解决两类训练样本非均衡问题.然后,搭建迁移学习模型自主学习时频图特性,...     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

基于T-S模型的扩展型模糊神经网络及应用

针对基于T-S模型的模糊神经网络的局部逼近缺陷,提出了一种基于T-S模型的扩展型模糊神经网络,从训练样本特性和网络结构两个方面来提高网络模型的泛化能力.利用先验知识和模糊推理的方法对样本集进行分析和分类处理,使样本集更加规范;并采用模糊规则推理动态调整正则项系数的方法来减小网络结构.仿真结果表明,所提出的网络具有更快的收敛速度和良好的泛化能力.