组网协同探测闭环与预案的设计

针对预警装备组网协同探测资源管控闭环与预案设计技术难题,本文在深刻理解组网协同探测"预案+控制+融合"技术机理与"预案+闭环"制胜机理的基础上,聚焦人机深度交互与人机智能融合技术研究,新建了协同探测人在回路的DPFEE与人机智能融合闭环模型,提出了协同探测管控闭环与预案工程化设计的方法、流程和要求,为解决协同闭环难构与...     

基于组网雷达的探测资源调配研究

为提升组网雷达探测资源的使用效率,提出了一种基于组网雷达的探测资源调配方法;基于整数规划算法选取探测雷达,结合多参数融合手段对探测方案进行优势排序,最终形成满足探测任务需求的最优资源调配方案,能够快速而准确地生成最优雷达组合;给出最优探测方案而无须手动调配,实现了组网雷达在探测过程中系统调配过程自动优化。仿真实验表明,该方法设计有效、可行,可用于实际作战中雷达探测资源的调配。     

先进战机射频集成系统干扰资源管控

针对先进战机射频集成系统"一对多"干扰时的资源管控问题,首先,讨论了基于有源相控阵天线的雷达/电子战一体化设计方案;然后,采用多属性决策方法建立了电子战目标威胁等级评估模型;通过设置威胁等级门限建立干扰任务请求模型;最后,采用时分复用的方式对干扰空间内的多个目标进行干扰,提出了干扰资源的自适应动态分配方法。该方法基于威胁等级偏差均值最小准则或最大威胁等级偏差最小准则,可以结合相控阵雷达资源管理算法,实现雷达/干扰资源综合管控。通过不同威胁等级门限的仿真,表明自适应管控策略能够实现干扰资源的动态分配。     

WSN中基于灰靶理论的锅炉泄露状态评估

针对电厂锅炉泄露状态评估问题,提出一种锅炉状态的在线识别评估方法。该方法将灰色系统中的灰靶理论引入到电厂锅炉泄露状态评估中,首先设计一种基于ZigBee的电厂锅炉在线监测系统;然后将监测到的泄露气体数据进行分析,给出锅炉泄露状态评估的算法步骤;最后根据锅炉状态按泄露程度的不同给出锅炉分级的方法,来预测其锅炉泄露的状态。实验表明,提出的方法能够有效地解决在没有标准故障模型的情况下锅炉状态识别的问题,为锅炉状态评估提供了一种新途径。     

一种基于逼近于理想灰关联投影的多目标决策算法

分析了多目标决策问题;综合灰色系统理论、TOPSIS和矢量投影方法,提出了一种新的基于逼近于理想灰关联投影的多目标决策算法,介绍了该方法的基本原理和一些基本概念,建立了综合决策方案与正、负理想方案之间接近程度的决策模型,总结了用该方法进行决策分析的一般步骤;提出了一种基于方案区分度的决策灵敏度分析方法.实际算例验证了提出的多目标决策模型和决策灵敏度分析方法的可行性和有效性,该方法为多目标决策提供了一种新思路,决策灵敏度高,能为方案的决策提供更为可靠的科学依据.     

3S网络网络:面向业务、安全增强的软件定义网络

针对如何在软件定义网络(SDN)体系架构下设计管理灵活、复杂性可控的网络以及如何保障网络安全等问题,提出了一种面向业务、安全增强、软件定义(3S)的网络体系架构。基于3S架构,设计实现了一种针对中国铁路通信信号系统网络的统一安全管控方案,并借助3S特性及神经网络算法,设计实现了一种有效的分布式拒绝服务攻击(DDo S)检测方法。     

基于灰关系与信息增益融合的文本分类模型

针对信息增益模型在文本分类中的不足之处,提出了一种基于灰关系与信息增益的文本分类算法.首先基于改进的χ2统计进行类别特征选择用于类内文本表示,提高类别中心向量的表示能力;其次针对IG模型对低频词赋权过大问题,提出了基于频数和位置的改进加权方法;最后提出了基于灰关系的文本相似度计算途径,改善了基于距离的相似度计算模式的不足.试验表明,此算法提高了文本分类效率.     

基于多时相红外图像探测浅层地下目标

因浅层地下目标的存在引起地表红外图像随时间变化,通过多时相红外图像探测了地下目标.针对部分红外图像中的曝光噪声等干扰会造成多时相红外图像自动选取的困难,提出了基于核小成分分析的多时相去噪方法,自动获得效果良好的图像;然后采用基于空间和时相变化信息约束的多时相模糊核聚类算法对去噪后的多时相红外图像进行分类,其中引入了时相信息指数,对时相权重因子进行修正;最后由分类结果给出符合逻辑的地下目标的位置及大致种类数,并由地下目标的红外成像机理初步给出地下目标的大体物理性质,为利用热红外图像探测地下目标提供了一些有意义的研究.     

基于Bayes弹道导弹主动段融合跟踪算法

弹道导弹主动段拦截中对导弹跟踪精度要求很高,如何将多种主动段探测装备得到的数据进行融合得到更加精确的数据是当前亟待解决的难题。针对此问题,文中研究了导弹预警卫星与雷达融合跟踪,提出了一种基于Bayes理论的弹道导弹主动段融合跟踪算法。该算法分别建立了导弹预警卫星和雷达对主动段探测模型和跟踪模型,应用POFACETS软件仿真了一种类型弹道导弹,并将其获得的导弹RCS数据应用到算法中,提高了算法的准确性。仿真实验表明,该融合跟踪算法可以获得比多个传感器算术平均值更精确的结果,具有较高的可靠性。     

基于RHC-PSO的双机协同探测跟踪行为决策

针对现代空战双机编队协同探测的复杂性, 以双机协同探测一架敌机为背景, 基于滚动时域控制思想对搜索跟踪阶段战斗机机动决策及雷达行为决策进行研究。首先建立雷达的探测模型, 重点研究双机协同探测态势及全向雷达反射面积(RCS)动态特性; 其次建立了战斗机协同搜索跟踪行为决策模型, 重点分析了协同探测控制函数的建立, 以及基于粒子群算法的探测行为决策模型; 最后进行了仿真验证。仿真结果表明, 该方法可以有效提高我方战斗机协同探测能力。     

数控加工零件工时估算的神经网络方法研究

为了快速合理地估算数控加工零件工时，提出了零件相似检索规则和算法，该算法应用神经网络获取典型零件的工时规律，并按此预测当前零件的加工工时。经实验表明这种算法可以快速有效地得到数控加工零件的工时估算值，为工厂技改实施、投资咨询及产品设计提供了辅助决策支持。     

基于DDPG的综合化航电系统多分区任务分配优化方法

综合化航电系统（Integrated Modular Avionics,IMA）通过时空分区机制实现共享资源平台下的多航电功能集成,分区间的任务分配方法的优劣决定着航电系统的整体效能。针对航电任务集合在多分区内的分配调度问题,提出了一种基于深度强化学习的优化方法。构建了航电系统模型与任务模型,以系统资源限制与任务实时性需求为约束,以提高系统资源利用率为优化目标,将任务分配过程描述为序贯决策问题。引入马尔科夫决策模型,建立基于深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）法的IMA任务分配模型并提出通用分配架构;引入状态归一化、行为噪声等策略训练技巧,提高DDPG算法的学习性能和训练能力。仿真结果表明,提出的优化算法迭代次数达到500次时开始收敛,分析800次之后多分区内驻留任务方案在能满足约束要求的同时,最低处理效率提升20.55%。相较于传统分配方案和AC(Actor-Critic)算法,提出的DDPG算法在收敛能力、优化性能以及稳定性上均有显著优势。     

Research of spectral algorithm of video sequence modification detection

It is considered a problem of modification detection in dynamic images blocks, based on spectrum analysis in orthogonal basis, and it is proposed an algorithm for making a decision about modification of some blocks or whole frame. It is obtained characteristics of errors calculation for proposed decision making rules. It is shown that spectral algorithm allows to detect modification blocks using limited spectrum.     

A cognitive model‐based approach for autonomic fault management in OpenFlow networks

Autonomic network management is an approach to the management of complex networks and services that incorporates the detection, diagnosis and reconfiguration, as well as optimization, of their performance. A control loop is fundamental as it facilitates the capture of the current state of the networks and the reconfiguration of network elements without human intervention. For new networking architectures such as software‐defined networking and OpenFlow networks, in which the control plane is moved onto a centralized controller, an efficient control loop and decision making are more crucial. In this paper, we propose a cognitive control loop based on a cognitive model for efficient problem resolving and accurate decision making. In contrast to existing control loops, the proposed control loop provides reactive, deliberative and reflective loops for managing systems based on analysis of current status. In order to validate the proposed control loop, we applied it to fault management in OpenFlow networks and found that the protection mechanism provides fast recovery from single failures in OpenFlow networks, but it cannot cover multiple‐failure cases. We therefore also propose a fast flow setup (FFS) algorithm for our control loop to manage multiple‐failure scenarios. The proposed control loop adaptively uses protection and FFS based on analysis of failure situations. We evaluate the proposed control loop and the FFS algorithm by conducting failure recovery experiments and comparing its recovery time to those of existing methods. Copyright © 2013 John Wiley & Sons, Ltd.     

基于QABC-IFMADM算法的有人/无人机编队作战威胁评估

信息化条件下有人/无人机编队作战环境具有高度不确定性,如何对目标进行快速有效的威胁评估成为亟待解决的问题.在直觉模糊集框架下,研究决策者对方案具有偏好,目标属性值为区间数且权重未知的评估问题,提出一种量子蜂群（QABC）优化属性权重的直觉模糊多属性决策（IFMADM）的威胁评估方法.首先,建立方案偏好模型;其次,综合考虑客观优化排序和决策者方案偏好信息,建立主客观最优属性权重优化模型,并采用量子蜂群算法优化属性权重,使得属性权重更准确地反映实际情况.最后,通过编队对地作战威胁评估算例验证了所提方法的合理性与有效性.     

图像几何校正控制点的自动确定方法

依据图像几何校正的一般思路，提出了一种有效控制点（CP）自动确定方法，首先定义了基准控制点（RCP）及畸变控制点（DCP）的概念，设计了一种基于图像方差的检测模板，提出了相应的检测准则及搜索方案，然后在畸变图像中利用归一化积相关图像匹配算法实现了基准控制点相对应的畸变控制点的精确定位，并给出了方法的算法流程，最后，以几何旋转畸变图像为例进行仿真实验，准确辨识出了畸变模型的参数，验证了方法的可行性有效性。     

复杂信道环境下的多维策略智能抗干扰技术

针对当前智能抗干扰技术策略维度低、复杂环境应对性差的问题,提出了适应复杂环境的多维策略智能抗干扰技术。将单音信号作为探测信号,通过扫频方式减少探测阶段复杂度以实现快速实时的环境状态特征提取,之后设计了基于深度神经网络的实时智能决策引擎模型以提高决策速度和准确率。仿真结果表明所提方案能够准确地预测通信质量,最后根据目标函数在所有可通信策略中决策出最优策略,当探测信号扫频间隔选取合适时,该方案能够达到接近96%的决策准确率及较好的资源利用率,能有效进行抗干扰并取得较好的通信质量。     

突防任务中组网雷达干扰资源分配研究

基于突防飞机的位置构建了干扰效果评估指标,综合考虑突防飞机在整个突防过程中的位置变化时的干扰效益,利用概率加权法确定最终的目标函数,采用蚁群算法求解出干扰分配决策。仿真结果表明,该文提出的干扰效果评估指标可以很好地解决干扰资源分配问题,对实际作战指挥有一定的指导意义。     

云雾混合网络下基于多智能体架构的资源分配及卸载决策研究

针对D2D辅助的云雾混合架构下资源分配及任务卸载决策优化问题,该文提出一种基于多智能体架构深度强化学习的资源分配及卸载决策算法。首先,该算法考虑激励约束、能量约束以及网络资源约束,联合优化无线资源分配、计算资源分配以及卸载决策,建立了最大化系统总用户体验质量(QoE)的随机优化模型,并进一步将其转化为MDP问题。其次,该算法将原MDP问题进行因式分解,并建立马尔可夫博弈模型。然后,基于行动者-评判家(AC)算法提出一种集中式训练、分布式执行机制。在集中式训练过程中,多智能体通过协作获取全局信息,实现资源分配及任务卸载决策策略优化,在训练过程结束后,各智能体独立地根据当前系统状态及策略进行资源分配及任务卸载。最后,仿真结果表明,该算法可以有效提升用户QoE,并降低了时延及能耗。