无线传感器网络的军事应用模式研究进展

通过详细分析无线传感器网络在军事中的典型应用案例,归纳了其军事应用模式的演化进程,总结出了无线传感器网络在军事应用中已开始从传统的侦察保障型装备向进攻杀伤型武器演化.在此基础上,提出了无线传感器网络的下一代军事应用模式--"传感器网络战"的构想,并对传感器网络战的特点及其关键问题进行了分析.     

网络时延的混沌特性分析及预测

针对互联网的传输时延处于不确定状态的问题,从网络时延序列表现出的性质出发,将混沌理论引入对网络时延的特性分析.通过对实际网络时延数据的处理,计算验证了网络时延具有混沌特性.并提出了采用混沌一支持向量机回归模型对互联网络时延进行预测的方法,通过实例分析对该方法进行了验证.分析结果证明了混沌一支持向量机模型可以对网络时延的变化趋势进行较为准确的预测,和BP神经网络回归预测相比,混沌一支持向量机对时延的短期预测具有更高精度.     

混合BP神经网络在城市污水量预报中的应用

对城市污水处理厂污水量的科学预测是污水处理机组协调和优化调度的基础和关键。针对传统BP神经网络在污水处理厂污水量的预测中存在收敛速度慢、预报精度低等缺陷。本文提出采用改进的粒子群优化算法优化BP神经网络的连接权值,以提高污水量预报的速度和精度。实验结果表明了该混合BP神经网络在城市污水量预报中的有效性和精确性,实现了污水处理厂各机组的优化运行和节能降耗。     

改进的PSVM及其在非平衡数据分类中的应用

标准近似支持向量机(PSVM)没有考虑非平衡分布数据的分类问题,为此,在PSVM的基础上,将优化问题中的惩罚因子由数值变更为一个对角阵,提出了一种改进的PSVM算法。该方法利用引入的对角阵对正负样本分别分配不同的惩罚因子,由于其任意性,使得该算法可以解决由多种因素引起的分布不平衡的分类问题,稳健性较好。利用实值免疫克隆算法实现了模型参数的自动选择,进一步提高了算法的泛化性能。实验结果表明新算法对于处理分布不平衡数据的分类问题相当有效。     

信息安全风险管理系统的设计与实现

嵌入式设备随着应用领域的扩展呈现出多样性以及复杂性,而嵌入式实时系统普遍不具有良好的设备驱动体系结构,造成驱动开发困难、可移植性差.该文给出了一种嵌入式实时操作系统下的驱动框架,支持各种设备及总线接口,设计了一种快速的设备中断机制,符合嵌入式实时系统的强实时、高可靠的特点,能够满足开发各种嵌入式系统.     

1565nm激光泵浦Tm∶Ho共掺石英光纤激光器稳态特性

与800nm和1180nm泵浦带相比较,1565nm泵浦有效消弱了多能级快速非辐射跃迁以及能量上转换损耗。建立了1565nm激光泵浦Tm3 ∶Ho3 共掺石英光纤产生2μm激光的理论模型,给出系统完整的速率方程和功率传输方程,采用数值模拟的方法对理想条件下系统稳态特性进行分析。结果表明,采用1565nm激光作为泵浦源,能够获得高效率的激光输出。在泵浦功率为3W、光纤长度2.2m时,输出功率高达1.7W、量子效率57%、斜效率67%。这是目前此类光纤获得的较好转换效率。     

网络时延的混沌特性分析及预测

针对互联网的传输时延处于不确定状态的问题,从网络时延序列表现出的性质出发,将混沌理论引入对网络时延的特性分析。通过对实际网络时延数据的处理,计算验证了网络时延具有混沌特性。并提出了采用混沌一支持向量机回归模型对互联网络时延进行预测的方法,通过实例分析对该方法进行了验证。分析结果证明了混沌—支持向量机模型可以对网络时延的变化趋势进行较为准确的预测,和BP神经网络回归预测相比,混沌—支持向量机对时延的短期预测具有更高精度。     

无线局域网性能参数仿真分析

无线信道由于自身的特点,在通信环境较差的情况下其通信质量尤其难以保证.在无线局域网中,通过引入数据包拆分和RTS/CTS会话机制可以对恶劣环境下的通信质量起到改善作用.利用OPNET网络仿真平台,构建了一个集中式网络,设置不同的参数运行仿真,分析包拆分和RTS/CTS会话对网络性能(吞吐量、端到端时延等)产生的影响,为无线局域网的应用开发提供了参考.     

基于动态赋权的网络性能综合评价研究

为解决网络性能综合评价中"定权"难以描述指标值变化对权值影响的问题,提出了一种"定权+变权"的动态赋权方法,扩展了基于指标相关性权值计算方法的应用范围,针对性能指标值是否超出阈值分别采用CRITIC法(基于相关系数的标准差法)和激励型变权计算指标权值,最后将基于定权和基于动态赋权的综合评价结果进行了比较分析.实验结果表明,动态赋权方法能够更准确地反映出指标值变化对指标权值以及网络性能的影响程度,从而使评价结果更加趋于合理.     

基于Hilbert信号空间的未知干扰自适应识别方法

针对大样本下未知干扰类型的分类识别问题,该文提出一种基于信号特征空间的未知干扰自适应识别方法。首先,基于Hilbert信号空间理论对干扰信号进行处理,建立干扰信号特征空间,进而利用投影定理对未知干扰进行最佳逼近,提出基于信号特征空间的概率神经网络(PNN)分类算法,并设计了未知干扰分类识别器的处理流程。仿真结果表明,与两种传统方法相比,该方法在已知干扰的分类精度方面分别提高了12.2%和2.8%;满足条件的未知干扰最佳逼近效果随功率强度呈线性变化,设计的分类识别器在满足最佳逼近的各类干扰中总体识别率达到91.27%,处理干扰识别的速度明显改善;在信噪比达到4 dB时,对未知干扰识别准确率达到92%以上。