网络卫星在轨分布式协同任务调度方法

针对网络条件下卫星执行多目标观测任务的自主调度问题,本文设计了一种"Sandwich"空间信息网络体系架构,通过网络传输延时仿真分析,其传输时延为毫秒级别,略优于传统中继方式,该网络传输效能适合多任务需求下实施在轨分布式协同计算;在此基础上,提出了一种分布式断链重连算法,可突破单星计算资源限制,提高在轨计算能力。仿真结果表明:相比单星计算,可有效缩短任务调度约一半时间;利用树莓派和无线网络搭建了分布式调度演示系统,完成了该算法的工程实现。该方法可满足组网状态下面向多任务的各类对地观测、天基探测类卫星的空间在轨自主任务规划调度需求,为空间信息网络的进一步研究和应用奠定技术基础。     

计算DSP预警系统对弹道导弹探测概率的一种方法

提出了一种计算DSP（defence support program）预警系统对弹道导弹探测概率的方法。该方法能够反映DSP系统工作方式、DSP卫星光学系统性能、卫星观测方向、导弹姿态、天气状况对探测概率的影响，计算结果比较准确。提出使用STK得出DSP卫星对导弹的扫描时间，建立了卫星观测方向与弹体纵对称轴夹角简化计算模型，使计算简便易行。     

融合多特征的天基典型目标光学识别方法

为满足天基近距离目标高精度探测和识别的需求,提出一种多特征融合的卫星局部识别方法.首先分析卫星局部物理特征,构建了融合形态学多特征参量的局部构件分形聚类参数集,并建立基于聚类特征加权组合的构件聚类模型.利用该模型即可实现通过计算待识别目标隶属于各构件类的匹配性概率来识别目标;在此基础上,针对空间目标光学成像的图像降质、局部遮挡等问题,提出了目标识别算法,并以其在实际应用中的识别概率为依据,结合粒子群算法迭代优化加权系数,提高了识别算法效率与鲁棒性;最后利用4类典型卫星及伽利略卫星缩比模型对识别算法进行了数字仿真和半物理实验验证.实验结果表明,在低对比度、SNR仅为5,且构件存在较严重变形与互遮挡的情况下,算法仍能有效识别卫星构件,识别概率优于0.95.     

直升机吊放声纳探测建模与仿真研究

由于现有水声环境模型很难为吊放声纳战术研究提供真实可用的模型支持,因此为研究吊放声纳探测概率分布规律,本文采用风压经验公式和Bellhop与Jackson模型,分别对海洋背景噪声和混响干扰进行分析和建模,并根据吊声性能和工作原理,建立了吊放声纳检测概率计算模型,通过设置水声环境和潜艇目标参数,计算吊声检测概率在水声环境中的空间分布。仿真结果表明,在良好的水文条件下,吊声探测效果较好,2 000m以内的目标探测概率较高,最远约9 000m处仍存在探测到目标的可能;吊声探测距离对潜艇目标深度十分敏感,对于吊点深度上下附近(40m)的潜艇探测距离明显增加,同时由于水声传播损失和混响的影响,吊声主动探测效果具有不确定性和断续性,因此吊声检测概率呈现不确定性立体分布。该研究为搜潜战术研究提供了理论依据。     

雷达网检测数据的散度判决方法

基于检测数据统计知识，运用散度对雷达组网系统目标进行检测判决：并利用雷达固有发现概率和虚警概率对检测判决算法进行检验，对串行数据融合结构目标判决算法进行了推导，通过分析得到了利用散度进行目标判决的合理串行结构。     

不确定性条件下的深空探测器观测调度

以不确定性条件下的深空探测器观测调度问题为研究对象,首先分析了深空探测任务的背景特点,指出深空探测活动具有高度不确定性,进而全面分析了深空探测器观测调度中的不确定性因素,提出了基于鲁棒调度和动态重调度的深空探测器调度体系,并针对其中的动态重调度单元进行了深入研究。详细设计了改进的混合动态重调度策略和基于群体智能的深空探测器动态重调度方法,最后提出了基于时间成本、效率和稳定性的重调度性能评价体系。     

基于蚁群的天基预警多目标优化算法

为了解决天基预警传感器调度问题,本文提出了一种基于蚁群优化算法和R_2排序算法的连续搜索空间多目标蚁群优化算法。算法中考虑传感器覆盖数量动态变化的任务约束,卫星及传感器数量的资源约束、地球遮挡、临边观测及观测距离等环境约束。针对传统蚁群算法在天基预警任务规划中存在的多目标权衡能力差以及连续搜索空间计算效率低等问题,本文对传感器调度方案进行R_2排序和多目标寻优计算,权衡了目标切换次数,传感器疲劳度以及目标观测时长等优化目标。将算法与元启发式和动态蚁群算法在观测资源充足,观测资源紧缺和观测资源严重不足3种状态进行对比仿真。结果表明:该算法可以在任务、资源和环境约束下对传感器切换次数、单星观测时长和总观测时长等目标进行优化,适用于天基预警星座系统对弹道导弹等具有红外特性运动目标的跟踪方案优化问题。     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．     

Pareto多目标模糊调度算法研究

针对企业项目调度中具有多个目标的特性,现实情况中面临资源的可用时间和活动的执行时间具有不确定性,提出了多目标模糊调度模型.在多目标模糊项目调度模型的基础上提出了Pareto多目标模糊遗传调度算法,针对调度中所获得的解空间的多样性问题,在多目标模糊调度算法中引入共享机制平衡解空间的分布.最后对算法进行了实例验证并与其他多目标调度问题的算法进行了比较,验证其有效性.     

抗差自适应EKF在INS/GNSS紧组合中的应用

针对惯性/卫星紧组合导航中卫星观测数据存在粗差,影响组合导航系统定位精度,同时考虑到卫星少于4颗和卫星几何分布不佳对预测残差构造自适应因子的影响,提出了一种抗差自适应EKF紧组合算法。该算法给出惯性/卫星紧组合状态方程与观测方程,抗差等价权因子和预测残差法构造自适应因子的计算公式,并给出卫星少于4颗和卫星几何状态分布不佳情况下自适应因子的计算方法。通过车载实测数据对算法进行验证与分析,实验结果表明,基于抗差自适应EKF的惯性/卫星紧组合算法可有效削弱卫星粗差观测值的影响,在可见卫星数少于4颗和卫星几何分布不佳的状态下,依据该算法获取的系统导航精度得到进一步提高。     

基于最大熵模糊聚类的快速数据关联算法

提出了一种新颖的快速数据关联算法,减少了滤波中关联概率的计算量．该算法利用多个并行改进的最大熵模糊聚类对各个目标的有效观测进行聚类,采用聚类得到的模糊隶属度来重建滤波中的联合关联概率,并在联合关联概率中引入了比例因子避免航迹的合并;此外,分析了算法中差异因子的特性,考虑了杂波密度对它的影响,使得能够有效剔除无效观测,进一步减少计算量．仿真实验结果表明,提出的方法是一种有效的快速数据关联算法,跟踪性能要优于现有的数据关联算法．     

考虑多滑动窗口的中继卫星调度模型及启发式算法

高效的调度方法是提高中继卫星系统应用效能的关键.中继卫星调度主要是根据用户的任务申请,科学合理地分配中继卫星系统资源,最大限度地满足各项任务需求,为中继卫星系统编制最优工作计划.考虑中继业务中的多滑动时间窗口需求,构建了中继卫星调度问题的数学规划模型,以最大化任务完成率和用户期望满足度为目标,以任务需求约束、资源使用约束作为约束条件.设计了基于时间自由度的启发式算法,该算法包括了任务时间自由度评价、任务资源匹配、任务插空和资源更新4个算子.最后,通过大规模仿真实验验证了算法的有效性.     

一种检测概率未知时的MeMBer跟踪算法

针对检测概率未知的多目标跟踪场景中跟踪性能会受目标检测概率估计结果影响的问题,提出了一种对未知检测概率实时估计的MeMBer跟踪算法．采用Beta分布对未知检测概率进行建模,然后通过测量分类来区分目标性质并实现对检测概率的实时估计,利用多伯努利随机有限集跟踪算法实现多目标跟踪．仿真结果表明,在检测概率未知情况下该算法有良好的多目标跟踪效果,能对未知检测概率进行实时估计;与传统MeMBer算法相比,该算法在低检测概率下的检测概率估计精度更高且更加稳定．     

基于改进多保真度模型的T梁桥自振频率的不确定性量化方法研究

为解决蒙特卡洛法在T梁桥不确定性量化中的计算效率低下的问题,提出了基于改进多保真度模型的不确定性量化方法,以悬臂梁和某T梁桥为例研究了该方法的计算效率及精度。将梁的弹性模量和密度作为不确定性变量,频率作为响应,采用拉丁抽样对高、低保真样本进行试验设计,分别采用实体模型和铁木辛柯梁模型计算高、低保真样本的频率。使用高、低保真样本和频率响应建立基于Hierarchical Kriging(HK)模型的梁振动的多保真模型,并采用PSO算法改进模型的超参数寻优过程。不确定性量化结果显示,HK模型的预测结果的均方根误差和相对最大绝对误差最大约0.03%,KL散度值接近为0,并且计算效率提高了1 000倍以上,证明了该方法在实际工程结构不确定性量化中的实用性和高效性。     

峰值功耗优化的力引导调度算法

提出了基于单周期操作和多周期操作的峰值功耗优化的力引导调度算法。该算法运用传统力引导调度算方法的基本思想,通过对力相关参数的重新设置,实现了调度过程对周期功耗的平衡分布,从而达到了峰值功耗最小化的目标。实验结果显示,在控制步数目和资源数目相同的情况下,该算法在峰值功耗优化方面比传统的力引导调度算法有所改进,与基于整数线性规划的算法基本相当。     

当前统计概率数据关联算法

目标跟踪领域的一个研究重点是如何解决在密集杂波环境下机动目标的跟踪问题。机动目标跟踪的关键是解决目标模型的不确定性,而密集杂波环境则使这个问题变得更加复杂。针对这一问题,提出一种当前模型概率数据互联算法。该算法将当前模型算法与概率数据互联相结合,在使用概率数据互联算法的同时,利用当前模型算法对目标出现的机动进行自适应滤波。最后,给出了算法的仿真分析,仿真结果说明该方法能够有效地跟踪杂波环境中的机动目标。     

改进YOLOX的SAR近岸区域船只检测方法

针对SAR近岸区域船只检测准确率低与虚警率高的问题,提出一种基于改进注意力机制与旋转框的SAR近岸区域船只检测方法。该方法首先通过改进坐标注意力机制并引入至特征提取网络中,提升网络的特征提取能力;其次,增加角度分类头,并引入二维高斯分布,计算预测分布与目标分布的KL散度评估旋转框损失值,完成目标的角度信息提取;再基于YOLOX算法中的无锚框(AF)机制,减少候选框冗余,使模型轻量化并进一步提高定位精度。最后在公开数据集offical-ssdd上进行测试,在嵌入式平台(NVIDIA Jetson AGX Xavier)上对模型进行推理验证。该算法模型计算参数仅1.14 M,在近岸情况下平均检测精度较YOLOX模型提高了18.77%,总体检测精度达到94.2%。验证结果表明,该算法适用于复杂场景下任意方向的密集船只目标检测,满足实时处理需求。     

采用混合遗传算法的敏捷卫星自主观测任务规划

为改进敏捷卫星观测大规模地面目标点时传统的遗传算法求解效率低下的问题,提高智能优化算法的求解效率,改进了传统的遗传算法,提出了禁忌退火遗传混合算法。首先,考虑到航天器在观测地面目标点的过程中所面临的时间约束、姿态轨道动力学约束等多种约束条件,建立了相应的适应度函数。所提出的适应度函数能够兼顾高观测收益与低观测能耗,反应了实际工程问题的观测需求。随后,为改进传统遗传算法的变异过程,提出了禁忌退火变异方法。这一变异方法在个体变异寻优的过程中,引入了禁忌搜索方法与Metropolis法则,提高了算法搜寻到全局最优解的概率,加快了算法的收敛速度。研究结果表明,与传统的遗传算法相比,禁忌退火遗传混合算法节省了约40%的算法运行时间,该算法的运行效率也高于退火遗传算法、禁忌遗传算法等其他种类改进的遗传算法,从而验证了禁忌退火遗传混合算法求解敏捷观测卫星任务规划问题的高效性。     

目标威胁等级风险控制传感器管理方法

针对目标跟踪过程中由于模型及观测误差对目标威胁度估计不够准确的问题,将目标威胁度不确定性最小化为优化目标。基于隐马尔科夫理论及风险理论,提出了一种目标威胁等级风险控制下的传感器管理模型,设计了一种基于多Agent理论的分布式传感器管理方案求解算法。仿真实验表明,通过该模型能够顺利地解决传感器资源不足情况下的管理问题,求解质量较高,速度较快。     

基于蚁群模拟退火算法的云环境任务调度

针对云计算的MapReduce编程框架,提出一种融合蚁群算法和模拟退火算法的混合调度算法（ACOSA）。该算法以最小化调度时间为目标,引入了任务与资源的匹配因子和负载均衡度,先利用蚁群算法得到一组任务到资源的优化解,然后通过模拟退火算法对解进行路径的优化和信息素的更新。通过扩展Cloudsim云计算仿真平台,对其进行重新编译,实现了所提出的算法,实验结果表明该算法在调度时间、负载均衡等方面表现良好。