网络化战争中的复杂网络拓扑建模

网络化战争中网络拓扑模型的构建是利用复杂网络理论研究网络化战争的基础。本文根据网络化战争的特点,从复杂网络动力学角度,对BA模型进行扩展,通过在节点分类和连接规则两方面增添假设,构建了网络化战争中的复杂网络拓扑模型。仿真结果表明,在该演化规则下生成的网络具有无尺度和小世界特性。对网络模型抗毁性的研究为网络化战争中攻击节点的选择及网络的构建和改进提供理论依据。     

一种改进的无标度网络演化模型

基于BA无标度网络演化模型,提出了一种改进的网络演化模型.这种改进模型考虑了现实网络的相关因素,对BA模型的优先选择概率进行了改进,更加符合现实网络的演化形式.采用马氏链方法计算改进模型的度分布.计算机仿真结果表明,其度分布在双对数坐标平面上不再是幂率分布.     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

基于联邦滤波的异质异步多传感器组合导航算法

针对多源组合导航中各导航子系统数据更新频率不一致导致滤波器量测信息非等间隔,以及动力学模型受到干扰量测信息异常的问题,提出一种基于多尺度模型的自适应组合导航信息融合算法.利用不同尺度上的观测信息在各尺度上进行Kalman滤波,并经过融合最终获得基于全局的状态估计值.且以飞行器为应用对象,设计了适用于飞行器的惯导/卫星/高度计/航姿仪(SINS/GNSS/ALTM/AHRS)组合导航算法.根据观测信息和动力学模型异常情况,引入自适应因子,进而控制对量测预测值的信任度,有效地抑制了不精确估计对导航结果的影响.     

基于Bayes网络的惯导系统多源试验信息融合方法

提出了一种基于Bayes网络的惯导系统多源试验信息融合方法,旨在为惯导系统的精度鉴定工作提供新的研究思路。首先利用环境折合因子建立不同类别试验信息间的相互联系,然后通过Bayes网络构建反映所有变量关系的图形映射模型。根据试验信息,Bayes网络中的MCMC算法可以快速获得环境折合因子等变量的验后统计特性,继而可以实现不同试验条件下惯导系统误差模型的信息折合。针对惯导试验数据的小样本特性,还讨论了两种不同的信息折合方法。地面标定试验和车载试验信息融合的仿真结果表明了上述方法的有效性。     

一种新型混合网络演化模型

提出了一种新的局域网络混合演化模型,该模型中新结点与网络中已有结点的连接数成对数增长,并且在连接方式上区别于BA网络中的优先连接,采用优先连接与随机连接相结合的连接方式,即以概率l-p随机连接,以概率p依照BA网络进行优先连接.对新闻模型进行仿真和理论分析,发现新型混合网络具备局域网络的更多特性,更加接近现实网络.     

融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络（HRNet）基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。     

脉冲耦合振荡器实现传感器网络时间同步

研究利用全局脉冲耦合振荡器实现分布式无线传感器网络的时间同步.建立了无延时、无脉冲积累的脉冲耦合振荡器网络的相位模型,对其动力学方程定点的稳定性作了分析.提出了噪声背景下的耦合脉冲检测方法和脉冲振荡器之间相位差的估计算法,用于从采样数据中快速提取网络中脉冲振荡器的相位信息,仿真验证了该方法可实现网络中所有振荡器同步发射.采用脉冲耦合振荡器模型,对雷达导引头组成的传感器网络可能实现的协同探测进行了分析.     

面向天地融合网络的无线资源智能分配方法

为满足天地融合网络全时、全域通信需求,采用认知无线电技术可实现有限频谱资源的感知与高效利用,有效缓解同频干扰问题。文章提出了一种用于天地一体认知网络的信道选择和功率调整的无线资源智能分配方法,在保证主用户服务质量的前提下最大化系统数据速率。首先,将天地融合网络建模为异质图结构,通过用户距离估计信道状态信息,并且利用图卷积网络提取和分析关键环境特征。其次,采用深度强化学习探索底层拓扑环境信息,通过试错与奖惩机制不断优化资源分配策略。仿真结果验证了所提方法的收敛性,并且证明系统数据速率能够得到显著提升。     

航天飞行动力学仿真模型验证环境研究

论述了利用三维图形建立航天飞行动力学仿真模型验证环境的研究方法,该验证环境包括飞行动力学仿真模型实时解算的主控机系统设计、三维图形显示系统的设计、输入输出界面控制台设计以及实时网络的设计。     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

多传感器目标识别的优化融合

对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

卫星多敏感器组合姿态确定系统中的信息融合方法研究

针对卫星陀螺，红外地平仪，太阳敏感器，GPS接收机组合姿态确定系统的特点，提出一种基于联邦卡尔曼滤波算法的信息融合方法，其中信息分配系数通过计算协方差矩阵的迹在线自适应确定。推导了由四元素描述的卫星姿态误差状态方程和各子系统的测量方程。仿真分析结果表明采用该信息融合算法可以提高定姿精度，有效抑制滤波发散，并使整个系统的运算速度和收敛速度都有所提高。     

多传感器信息融合技术综述

信息融合是信息领域一个前景广阔的研究方向。通过多传感器组网可以获得比单一传感器质量更高的信息。从信息融合的定义诠释了信息融合的内涵,指出信息融合的实质是推理与决策。给出集中式、分布式和混合式三种模型结构,比较它们的优缺点。融合层次对多传感器信息融合性能有重要影响,给出三种融合层次的性能对比结果。分析四种流行的融合处理算法,比较它们的性能。最后从技术发展和应用需求出发,对信息融合的发展作进一步展望。     

斜装冗余传感器的分布式导航系统研究

为了满足低成本、高性能惯性导航要求,解决传统单一主惯导系统的成本高、体积大等问题,利用低成本MEMS惯性传感器,采用传感器斜装冗余配置,在最优卡尔曼滤波的基础上提出了一种基于虚拟传感器的最优信息融合技术,简化了测量系统的动态模型,减小计算的同时提高了测量精度。将斜装冗余惯性测量节点安装在载体的不同位置构成基于斜装冗余传感器的分布式导航系统,分析了分布式结构,利用基于虚拟传感器的等效模型,设计了分布式导航系统的测量融合系统。通过仿真试验,校验了基于虚拟传感器的最优信息融合有效地提高了测量精度,基于斜装冗余传感器的分布式导航具有较高的导航精度,同时证明此方法具有一定的抗干扰能力,能够抑制载体局部随机扰动对导航性能的影响。     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

空海自组网随机接入仿真研究

针对无人机在远海远域协同任务过程中的空海信息协同共享需求,提出了一种基于优先级传输的动态随机接入协议。首先,通过设计高效集群组网信令保证集群测控通信自组网的遥测、遥控信息的稳定传输;然后,结合改进的TDMA （时分多址）组网时隙结构实现节点快速入网与动态时隙分配协议;最后,通过OPNET （网络仿真技术软件包）分析所设计的集群空海自组网系统的随机接入低时延、业务传输高吞吐量和端到端传输低时延性能。结果表明：该组网信令下建网时间只需要2～3个飞控周期,在32节点场景下节点完成随机Aloha入网时延平均不到0.6 s,改进的TDMA协议在端到端时延比传统TDMA协议降低1/3。     

数据融合黑板型专家系统

给出了一种多传感器数据融合和黑板模型推理的专家系统的实现方法。系统以飞机平台为目标，利用多站多个传感器所获得的雷达、通信、敌我识别信息，通过多传感器数据融合和人工智能黑板模型推理，实现对飞机平台的识别和定位。     

基于证据理论的航天器异常状态融合监测方法

利用多传感器数据对在轨航天器的状态进行监测时,多源信息具有的不确定性会导致通道间判定的不一致,目前工程上主要采用依靠专家经验进一步分析的方法,人工干预增加了判定结果的主观性,导致监测效率不高。本文针对此类问题提出了一种基于证据理论的融合方法,用以实现自动监测。设计了6种监测异常状态的信度函数,通过比较分析,最终选定根式函数,并根据数据特点进行了分段改进;结合工程需求介绍了参数设定原则。用此方法处理在轨航天器下传的多传感器数据,监测结果与现有人工判定结果相符,融合监测方法的有效性得以验证。