BVR空战仿真中具有分层学习能力的CGF实体行为仿真框架设计

针对超视距协同空战仿真是一个复杂系统的仿真特点,通过对预警机指挥引导下的多机协同空战过程的分析,建立了超视距多机协同空战行为功能框架,总结出多机协同空战过程中的影响因素。在分析了现有各种CGF系统体系结构及行为仿真框架基础上,结合超视距空战过程中各作战阶段的特点,建立了具有分层学习能力的编队协同空战自主兵力系统FCAF(Formation and Cooperative Air Combat Autonomous Force System,编队协同空战自主兵力系统)行为仿真框架,并给出了该行为仿真框架组成模块的形式化描述。仿真系统应用表明,在该框架中作战行为可以分解为一系列具有经验学习功能的行为基,并且各行为基可以重新组合,全面诠释了协同作战行为仿真的作战过程。     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

卷积码盲识别技术研究

针对卷积码的盲识别问题,总结了现有识别方法的实现原理及过程,并用Matlab进行了仿真分析。对于码长、码率及编码记忆长度等参数,利用接收码字构造矩阵并进行变换,从而达到识别的目的。针对生成多项式的识别,给出了四种常用的方法,并比较了各方法的性能和计算复杂度。结果表明,在低误码率低于10-2情况下,采用欧几里德算法最佳;当误码率为10-2量级时,基于Walsh-Hadamard变换的方法更能保证识别的准确性。     

通用加速计算在环幕失真校正中的应用研究

大规模场景的沉浸式投影系统大都以环幕作为显示设备，而由环幕造成的几何失真使系统真实感大大降低。从环幕产生失真的几何原理出发，通过建立投影平面和成像面之间的坐标映射关系，生成了一种几何失真校正的理论模型。同时，研究了一种适于通用加速计算的图形硬件架构CUDA，基于其多线程的硬件执行机制，通过将几何失真的校正矩阵组织成纹理进行多重纹理贴图映射，设计了预失真校正的硬件加速算法，该算法还利用基于权值的超采样技术对加速中的走样进行了设计。最后，对该方法的校正效率和效果进行了实验验证，证明该方法具有更高的场景交互速度和很好的校正效果。     

大型训练模拟器网络系统设计

大型训练模拟器是一个典型的分布式仿真系统(DIS),计算机网络系统是其核心组成部分。文中介绍了一种采用两级网络结构的设计方案．详细说明了网络系统的软硬件组成和控制方式,并说明了HLA标准在系统中的作用。     

飞行仿真中雷达地形数据库构建关键技术

雷达图像仿真是飞行仿真的重要组成部分,而雷达地形数据库为雷达图像仿真提供基本的数据支持。为构建满足仿真精度与实时性要求的雷达地形数据库,对相关关键技术进行了研究。在分析雷达图像仿真原理的基础上,研究了雷达地形数据库在分布式飞行仿真系统中的应用方式和组成形式。根据所用数据源的不同,对雷达地形建模技术进行了分类,并分析了不同建模方法的优缺点。比较了网格式与多边形式2种数据存储与调度技术的特点和适用性,指出多分辨率表示技术雷达地形建模中的重要性,给出了一种材质数据多分辨率映射的基于材质最大出现概率的子取样方法。对机载雷达实波束地形测绘成像进行了仿真。     

通信信号调制识别综述

随着频谱信息资源愈发紧张,信号的调制处理方式也愈发多样化.由于通信信号的调制识别广泛应用于民用和军用领域,所以,对调制方式进行识别的研究具有极其重要的意义与战术价值.首先,根据大量文献,对基于最大似然函数和特征提取的经典调制识别方法进行了系统地梳理;其次,从常用数据集、深度神经网络结构和现有识别算法等方面,着重介绍了深...     

基于特征序列的时域STBC-OFDM盲识别算法

为有效解决STBC-OFDM信号盲识别过程中存在的低信噪比适应能力弱等问题，在OFDM块大小已知的前提下，提出了一种在时域上构造特征序列的识别算法。该算法推导了空时分组码接收信号的时域特性，以及四阶特征向量，并构造特征序列，通过检测特征序列达到识别4种STBC-OFDM信号的目的。推导和仿真结果表明:所提算法无需信道、噪声、调制方式和OFDM块起始位置等先验信息，在较低信噪比条件下也具有良好的识别性能，且对频偏、多普勒频移和时延的鲁棒性能好，计算量较低，具有较高的实用价值。      

基于多特征尺度特征融合的航空指挥动作识别

视觉辅助引导系统(Visual aided Guide System,VaGS)是未来航空运输必不可少的重要组成部分,可以大大节省地面指挥和引导资源,提高安全性。VaGS的核心技术是识别地面指挥员手势并将其转化为指令。介绍了一种新的高效手势识别体系结构,它主要包括2个部分:(1)采用多尺度浅层结构进行特征学习,将全局身体姿态特征与局部手势特征提这两种尺度特征进行融合;(2)所提取的特征输入到超限学习机(Exteme Learning Machine,ELM)中进行分类,输出指令。实验结果表明,在自建的40个类别的航空指挥动作数据集中,准确率达到98.5%,单帧用时0.13 ms。     

一种基于遗传算法的RSC码盲识别方法

针对目前递归系统卷积(RSC)码盲识别算法容错性差、计算量大的问题,提出了基于遗传算法的RSC多项式参数盲识别算法。首先根据RSC码特殊的编码结构,构建了基于遗传算法的识别模型,将结果向量的码重作为适应度函数,然后推导出了不同误码率条件下平均码重的理论值,实现了算法中最优门限的获得。该算法容错性能较好,并且最大计算量只与初始种群的规模、遗传代数的上限以及输出路数成正比。最后仿真验证表明,理论推导的码重分布情况能够与仿真结果较好地吻合,并且在误码率高达0.06的情况下,各种寄存器个数下的RSC码参数识别率接近于0.9。