基于改进FCM的北斗三频组合观测值选取

以北斗卫星导航系统三频双差为基础探讨了组合观测值及误差,针对以往采用聚类方法在研究GPS三频组合数据过程中的不足,提出了基于距离修正的增量模糊C均值算法.通过调节因子有效地修正了样本中心与聚类中心的距离,获得合理的隶属度,从而得到正确的分类;构造了基于距离修正的聚类有效性指标,自动获取最佳聚类数,避免了人为确定聚类数的不合理性;在此基础上引入增量的思想,数据增加时以原有的数据集为基础,根据阈值进行归类,不需要重新进行初始计算.通过矩阵变换法及实例验证了该方法的可行性和可靠性.     

基于CIDBN的战术活动识别模型及在线精确推理

战术活动识别是战场态势感知的重要研究内容。为提高战术活动识别的准确性与实时性,提出了一种基于上下文独立动态贝叶斯网络（CIDBN）的战术活动识别模型及在线精确推理。通过对战术活动机制的分析,采用动态贝叶斯网络（DBN）理论,建立了一个初始战术活动识别模型。该模型引入了威胁指数节点来影响战术活动的终止与选择,并采用模糊隶属度函数对连续变量进行离散化处理。依据上下文独立关系对该模型进行简化,获得了一个基于CIDBN的战术活动识别模型。将接口算法扩展于该模型上,提出了在线精确推理算法。仿真结果表明,所提出的战术活动识别方法,具有识别精度高、较低不确定性和实时性高的优点。      

芯片间时间触发通信综合规划方法及其优化

随着片上系统（SoC）的处理能力逐渐接近传统的综合核心处理模块,航空电子系统向着微小型综合化的芯片间系统发展;时间触发交换式互连可以保证芯片间消息传递的严格时间确定性。考虑芯片间互连交换结构轻量化和收发端口有限的特点,在拓扑、路由和调度时刻等网络资源相互制约的条件下,提出了芯片间时间触发通信综合规划方法,即根据时间触发消息集合和芯片端口配置,同时求解得到芯片间网络拓扑结构、消息路由和调度时刻表的规划结果。其中,采用免疫算法整体优化了各条消息在网络资源分配过程中的求解次序。仿真实验表明,与不考虑整体优化的综合规划方法相比,优化后的规划结果在减少拓扑结构中多余路径开销的同时,避免消息传输路径拥堵,降低消息端到端延迟,保证了消息集的可调度性。      

基于分布式反集群算法的无人水面艇区域覆盖方法

海上无人系统覆盖问题可广泛应用于搜索营救、区域侦察观测、信息采集等任务,针对无人水面艇对海面区域进行区域覆盖的问题,采用模仿独居动物社会行为的分布式反集群算法,使得无人水面艇系统能够通过自组织行为实现良好的动态覆盖性能,因此使其具有更高的可扩展性及环境适应性。首先建立个体的包含覆盖历史的信息图,其次进行反集群算法的避障、去中心化及自私这3个基本属性的数学公式描述,然后计算每个个体在每一时刻的最大化收益方向,使得每个个体能够最大化累计覆盖面积及最小化个体之间的重叠覆盖部分。仿真结果表明,基于覆盖历史及个体局部通信交互,能够实现避障功能,并且可以达到100%的覆盖率,同时可尽量减少重叠覆盖。     

某型装备引信拆装方法改进

介绍了某型装备引信的固定方式以及拆装过程中存在的困难和风险,针对拆装方法开展改进性研究,并设计制造了拆装专用工具,提高了拆装效率及作业安全性。     

数据立方体关联挖掘在红外抗干扰中的应用

为了分析空空导弹在红外抗干扰过程中, 各干扰量与脱靶量之间的耦合关系, 利用红外抗干扰试验仿真平台, 通过设置干扰量获得海量数据, 构建数据立方体对海量数据进行数据预处理, 同时统计出数据集中各事务的支持度计数, 将处理后的数据利用FP-Growth关联规则算法挖掘干扰量与脱靶量之间的关联规则。通过对关联规则的分析得到:导弹进入角与弹目距离是影响导弹脱靶量大小的主要因素, 各个干扰量之间不能随意组合, 应该根据导弹来袭方向、目标机动方式选择诱饵投掷策略, 否则干扰效果会大大下降。同时设置一组对比试验, 验证基于数据立方体的FP-Growth算法处理高维数的脱靶量数据, 拥有较高的挖掘效率。      

试飞驾驶技术评价方法研究

通过分析以往试飞驾驶技术评价方法中出现的问题,以典型的俯仰倍脉冲试飞动作为研究对象,将整个动作过程分为三个阶段,提出了针对每个动作阶段的评价标准以及整个试飞驾驶动作的评价算法,并在此基础上开发了驾驶动作评价软件,最后在地面模拟器上对评价软件的效果进行了验证,结果表明该方法能够客观地评价试飞驾驶技术水平,可以推广到其他试飞驾驶动作的评价上。     

基于3D-Winograd的快速卷积算法设计及FPGA实现

近年来,卷积神经网络（CNN）已被计算机视觉任务广泛采用。由于FPGA的高性能、能效和可重新配置性,已被认为是最有前途的CNN硬件加速器,但是受FPGA计算能力、存储资源的限制,基于传统Winograd算法计算三维卷积的FPGA解决方案性能还有提升的空间。首先,研究了适用于三维运算的Winograd算法一维展开过程;然后,通过增加一次性输入特征图和卷积块的维度大小、低比特量化权重和输入数据等方法改善CNN在FPGA上的运行性能。优化思路包括使用移位代替部分除法的方法、分tile方案、二维到三维扩展及低比特量化等4个部分。相对传统的二维Winograd算法,优化算法每个卷积层的时钟周期数减少了7倍左右,相较传统滑窗卷积算法平均每个卷积层减少7倍左右。通过研究,证明了基于一维展开的3D-Winograd算法可以大大减少运算复杂度,并改善在FPGA运行CNN的性能。