战术数据链的互操作性测试方法综述

互操作性是协同作战的重要课题,目前还未形成关于互操作性的理论.重点对战术数据链的互操作性测试方法进行研究,提出了战术数据链互操作性定义、影响互操作性的因素、互操作性成熟度模型、互操作性的测量方法及测试内容.该方法可用于描述战术数据链及其它军事通信系统的互操作性测试.     

应用二次过滤模型的干扰任务分配

针对自卫电子对抗中干扰任务分配对资源使用效率的问题,以“一对一”干扰为例,首先构建了干扰任务分配流程,并建立任务程度模型与干扰任务过滤模型,通过二次过滤筛选得到对我方威胁度大且能够被有效干扰的目标;然后根据节约干扰资源的原则,建立以总干扰功率最小为目标函数的干扰任务分配模型;最后采用二进制GPSO（Genetic-Particle Swarm Optimization）算法进行求解,提高了得到最优解的收敛速度、精度以及全局搜索能力。仿真表明,提出的干扰任务分配模型可以较好地筛除威胁程度低及干扰程度小的目标,节约了不必要的资源从而提高了资源的利用率。     

基于QualNet的战术数据链多链建模与仿真

战术数据链(TDL)的基本作用是保证战场上各个作战单元之间迅速交换情报信息,提高相互协调能力和整体作战效能.为了研究在实际应用中战术数据链系统多链工作情况下的实时性,基于QualNet仿真软件,设计并实现了一种战术数据链的多链模型,同时结合两种波形的试验对战术数据链多链间分组传输时延进行仿真,给出了仿真结果并进行了分析.     

基于QualNet的战术数据链三维动态仿真

基于QualNet仿真软件设计并实现了战术数据链在模拟环境下的三维动态仿真。将战术数据链仿真拓展到三维空间,加入目标的机动性因素,给出了三维仿真的动态模型及其满足的更普遍关系式,具有一定的参考价值和指导意义。     

美军战术数据链的发展探究

本文详细阐述了美军战术数据链的发展阶段,概括出美军战术数据链的发展特点,并对真发展趋势进行总结,对我军的信息化建设与是展具有重要借鉴意义。     

机载多传感器数据融合的数据链应用技术

表述了机载多传感器数据融合基本概念,侧重于描述战术数据链在多传感器信息融合中的应用。     

基于QualNet的战术数据链半实物仿真

为了让战术数据链仿真系统能够实时加载真实的消息业务,使仿真精确性和可信度得到提高,基于QualNet仿真软件,设计并实现了一种战术数据链的半实物系统.同时,对半实物仿真下的战术数据链性能指标进行仿真,得出了性能曲线并对其进行了分析.     

基于粒子群算法的证券组合投资模型的研究

从证券组合模型的概念,给出证券组合多目标决策模型。并用模糊优选法将证券组合多目标优化转化为单目标优化。同时,重点描述了粒子群算法,并采用自适应变异的粒子群算法对证券组合投资模型进行求解,最后编程实现证券组合模型的最优解,试验结果表明此方法取得了较好的效果。     

基于粒子群神经网络的股票价格预测研究

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现。本文将粒子群算法用于神经网络的训练,提出了一种股票价格预测的新方法,研究表明预测效果良好。     

基于PSO-SAS的联合侦察任务规划

针对联合侦察筹划中任务规划阶段机动侦察平台阵位与路线确定困难的问题,提出了一种基于粒子群优化-稀疏A星(Particle Swarm Optimization—Sparse A-star,PSO-SAS)算法的规划方法。该方法综合考虑侦察装备机动性能以及敌火力威胁、地形等因素,在侦察阵位规划上,建立了阵位综合评估模型,并利用粒子群算法进行阵位寻优;在路线规划上,采用稀疏A*算法进行航迹规划,通过将机动性能、安全距离、路程等约束引入搜索过程,缩短最优路线的计算时间。仿真试验验证了所提方法生成的侦察阵位和路线能够满足侦察任务要求。     

粒子群优化算法的研究现状与发展概述

粒子群优化算法(PSO)是基于群体智能的一种优化算法。该算法简单易于实现,可调参数少,得到了广泛的研究和飞速发展。介绍了PSO提出的背景、PSO的思想和原理,分析并总结了PSO的优缺点。根据PSO算法研究侧重点的不同,总结了PSO算法的发展现状及特点,分析并展望了PSO还需要完善或继续研究的问题,展望了PSO的研究热点及发展趋势。     

混合粒子群优化算法在CDMA系统多用户检测中的应用

针对粒子群优化算法易早熟的问题,提出了一种混合粒子群优化算法(HPSO)。首先在算法中采用惯性权重的分段递减策略,以提高算法的全局搜索能力;然后在算法后期,引入拉伸技术剔除比局部极值大的点,缩小搜索空间,使算法能及时跳出局部最优从而加速收敛,最后提出了基于HPSO算法的多用户检测器。仿真结果表明在信噪比相同的条件下,该多用户检测器的误码率和抗远近效应性能更接近于最佳多用户检测器,有效解决了码分多址通信系统中的多址干扰问题。     

基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。     

MIMO系统中改进的二进制粒子群天线选择算法

在多输入多输出系统中,发射端和接收端的多天线配置提高了信道容量和传输可靠性,而天线选择技术能在保持系统优点的同时有效地降低运算复杂度以及硬件成本。为了能在时变的信道条件下快速地选择出一组最优的天线子集,提出了一种基于二进制粒子群算法的改进的天线选择算法。推导出了二进制粒子群联合收发端天线选择的信道容量公式,并将其作为粒子群算法的适应度函数,使天线选择问题转换成二进制编码串的组合优化问题。通过改进模糊函数提高粒子群算法的收敛性,让二进制粒子群尽可能地收敛于全局最优位置。仿真结果表明,改进的算法能在降低运算复杂度的同时提高收敛性,且系统信道容量趋近于最优算法。     

采用近邻粒子群算法设计非规则曲面微带共形阵

采用近邻粒子群算法设计了一个安装于非规则曲面上的微带共形阵。通过测量安装于非规则曲面上的天线单元的方法,将载体对共形阵的影响计入天线设计中。采用近邻粒子群算法对单元进行了优化,根据优化结果制作了微带共形阵,给出了非规则微带共形阵的驻波曲线和远场方向图。实验结果表明,近邻粒子群算法能够有效地对复杂曲面上安装的共形阵进行设计。     

战术数据链射频辐射特征控制技术

传统的链路自适应技术只追求高效数据传输,会导致射频暴露,在电子战中无法保障数据链载体的安全性。以战术数据链主动射频隐身和高效通信为研究对象,利用多目标优化技术联合控制战术数据链的射频辐射特征（包含辐射时间、辐射功率和辐射波形）,建立了一种战术数据链链路自适应技术模型。该模型以给定距离的截获概率和给定距离的可靠传输速率为二重优化目标,以辐射特征为优化变量,并以第四代宽带无线通信系统LTE-A (Long Term Evolution-Advanced) 的部分调制编码参数为实例,证实了由所述链路自适应技术模型优化所得的最优解可以同时实现数据链的射频隐身和高效数据传输。     

采用混合核支持向量机的DOA估计

人工神经网络（ANN）进行建模时通常需要准备大量的数据样本,同时网络结构一般都比较复杂;而采用支持向量机（SVM)进行建模时,不同核函数有不同的效果,各有利弊,且选取SVM模型参数的理论支撑尚不完整。为了解决这些问题,提出了一种基于混合核函数的支持向量机来改善来波到达角（DOA）的估计性能,并结合二进制粒子群算法（PSO）来对混合核函数进行参数寻优。该混合核函数由全局核函数和局部核函数构成,提高了SVM的泛化能力和学习能力。首先通过拟合多项式函数,验证了该混合核SVM的有效性。将该方法用于DOA估计建模,在不同信噪比和快拍数下,通过与径向基函数（RBF）神经网络、基于各单一核函数的SVM和MUSIC算法预测结果对比,混合核SVM均方差有所降低,提高了DOA估计的精度且有更好的稳定性。