差动式测量仪器动态误差分析与滤波网络设计

通过了一个动态在线测量系统实例,分析滤波网络分布位置对系统动态测量误差的影响,并提出对于差动式动态测量系统,滤波网络必须位于和差动算电路之后的设计原则。     

基于算力路由的空间信息网络低时延在轨协同计算策略

针对当前空间信息网络（Spatial Information Network, SIN）地面数据处理模式中存在的高传输时延问题,提出了基于算力路由的低时延在轨协同计算策略。考虑到卫星网络的动态变化及卫星计算资源的异构性,提出了要素时空扩展图模型,以实现在屏蔽SIN动态性的同时对星上资源进行精确表征。在此基础上,构建基于算力路由的多星在轨协同计算数学模型,提出时延优化问题,并利用改进的异构最早完成时间（Heterogeneous Earliest Finish Time, HEFT）算法进行求解。仿真结果表明：卫星在轨协同计算可有效降低卫星数据的任务处理时延;同时,本文所提的改进HEFT算法以较小且可接受的收敛性能为代价,换取了业务处理时延的大幅度降低。     

基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

多线程网络编程在全数字仿真平台中的应用

目前常用的硬件仿真测试平台存在很多不足之处 ,而全数字仿真平台很好地解决了这个问题。本文结合神舟 5号软件测试的“全数字仿真平台”实际研制工作 ,对在VisualC++6 0环境下如何使用多线程进行网络编程作了详细介绍。     

模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

飞机作战效能评估中人的可靠性的引入方法

分析了目前的研究现状,提出了在飞机作战效能评估中引入人的可靠性的思想,分析了飞行员可靠性的特点,对在作战仿真和解析计算评估中的引入方法作了相应的探讨和研究。     

基于CGAN的避扰通信决策网络离线式训练方法

基于强化学习的避扰通信,由于需要不断地与环境交互从中学习到最优决策,其决策网络的训练时间受环境反馈速率的约束,通常耗时严重。针对这一问题,提出了一种离线式训练方法。构建出一种频谱虚拟环境生成器,可以快速生成大量的逼真合成频谱瀑布图,用于避扰通信决策网络训练。由于所提方法脱离真实环境反馈,形成离线式训练,进而显著提高模型训练效率。实验结果表明:与实时在线训练方法比较,所提离线式训练方法的训练时间可以减少50%以上。      

故障样本量确定与分配一体化设计方案

针对当前测试性验证领域未能考虑故障样本量确定和样本分配2个环节的相互联系,以及现有样本分配方案对影响因子的选择没有统一的框架,导致确定的故障样本量和样本分配不合理的问题,提出了一种故障样本量确定与分配一体化设计方案。首先,以层次Bayes网络模型为框架,融合各节点测试性指标先验信息得到顶层测试性指标的融合分布,并建立故障样本量确定流程;其次,引入结构重要度作为样本分配影响因子,同时结合故障模式影响及危害性分析（FMECA）信息确定节点和故障模式的样本分配影响因子,提出基于节点和故障模式的二次分配框架实施样本分配;最后,通过实际案例进行对比分析。结果表明:相比其他样本分配方案,所提方案能充分考虑系统结构及其先验信息,进而实现了故障样本量确定和分配一体化方案的设计,保证了所确定的故障样本量和分配的合理性,具备更好的工程适用性。      

基于LSTM的TTE网络速率约束流量预测

时间触发以太网（TTE）中的速率约束（RC）流量为事件触发流量,在RC流量动态调度的应用场景下,若能预测未来短时间内数条RC流量到达交换节点的序列,使交换节点提前进行调度决策,以减小RC流量时延,提高网络吞吐量。对RC流量到达序列预测问题进行了研究,建立了RC流量的到达序列模型,提出了基于长短期记忆网络（LSTM）算法的RC流量预测算法。利用OMNET++工具进行TTE网络仿真,得到多组混合关键性配置下RC流量的传输数据;以此作为输入样本对预测算法进行训练和测试。实验结果显示,LSTM算法在RC流量预测问题的准确率达到了70%以上。通过对比实验说明所提算法适用于RC流量预测场景。