共查询到20条相似文献,搜索用时 62 毫秒
1.
基于临近空间飞行器的区域导航系统关键技术分析 总被引:1,自引:0,他引:1
在战时环境下,GPS、"北斗"等全球卫星导航定位系统将受到敌方强力的电子干扰,从而导致其无法实现精确定位,为此提出了一种全新的无线电导航系统,即基于临近空间飞行器的区域导航定位系统。首先简要阐述了临近空间飞行器的特点,在此基础上建立了基于临近空间飞行器的区域导航系统的体系结构;其次从技术层面对其关键技术进行了详细分析,并提出了一些解决措施;最后对该区域导航系统提出几点展望,并指明了当前亟待解决的关键技术,对我国未来建立基于临近空间飞行器的区域导航系统具有一定的理论参考价值。 相似文献
2.
3.
临近空间飞行器应用分析与展望 总被引:1,自引:0,他引:1
介绍临近空间的定义,并分析临近空间的特点。临近空间飞行器成为近期研究的热点,各国都在积极开展临近空间飞行器技术的研究。主要以临近空间飞行器为平台,介绍临近空间飞行器平台所搭载的载荷,分析临近空间信息系统的应用现状,并展望临近空间信息系统的发展前景。从总体上看,临近空间飞行器技术尚处于关键技术攻关与演示验证阶段。强大的军事需求牵引和先进的技术推动使临近空间为未来战争的发展展现了美好的应用前景。 相似文献
4.
介绍临近空间的概念和大气特征,比较临近空间飞行器和航空、航天飞行器的区别与特点,提供国外近年来临近空间飞行器光电载荷研制情况及热点,为我国开展此类研究工作提供参考. 相似文献
5.
6.
针对飞行自组网(FANET)中无人机(UAVs)快速移动造成的网络拓扑管理困难问题,考虑实际场景中无人机位置变化引起的可用信道差异,该文提出一种自适应蜂鸟算法对网络拓扑进行优化。首先,建立一个针对分簇结构的无人机拓扑模型,并且形成一个以最小化簇数量、负载偏差和簇移动度为目标的优化问题。其次,通过调节人工蜂鸟的觅食动作、加入扰动变异的方式,提出寻优能力更强的自适应蜂鸟算法(ADHA)。然后,设计合理的蜂鸟个体编码方式,将拓扑优化的决策过程转化为自适应蜂鸟算法的寻优过程。最后,通过仿真验证所提算法的收敛性,并与基于其他群智能优化算法的拓扑优化方法进行对比。实验结果表明,所提算法得到的拓扑优化策略不仅能够有效减少网络拓扑的簇数量,而且能够得到负载均衡、结构稳定的簇群。 相似文献
7.
临近空间飞行器军事应用价值分析 总被引:4,自引:0,他引:4
随着现代高新技术的快速发展,信息对抗空间不再仅限于陆地、海洋、低空和太空,临近空间的军事化和临近空间对抗逐渐成为各国的研究热点。临近空间飞行器搭载探测、预警,通讯设备及武器平台可以很好地完成定点侦察监视、情报收集、通信保障,攻击空中及地面目标等任务。本文针对临近空间飞行器的军事应用价值展开研究,介绍了现有的飞行器种类及其在军事应用方面独特的优势。分析了临近空间飞行器的应用前景,为我国临近空间飞行器的发展提供了思路,对于我国军事技术变革有着重要意义。 相似文献
8.
9.
10.
11.
一种改进的粒子群和K均值混合聚类算法 总被引:13,自引:1,他引:12
该文针对K均值聚类算法存在的缺点,提出一种改进的粒子群优化(PSO)和K均值混合聚类算法。该算法在运行过程中通过引入小概率随机变异操作增强种群的多样性,提高了混合聚类算法全局搜索能力,并根据群体适应度方差来确定K均值算法操作时机,增强算法局部精确搜索能力的同时缩短了收敛时间。将此算法与K均值聚类算法、基于PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较,数据实验证明,该算法有较好的全局收敛性,不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和收敛速度都有显著提高。 相似文献
12.
13.
为了减小DV-Hop算法在无线传感器网络节点定位中的误差,提出了一种基于混合人工蜂群算法的改进算法。该算法结合了粒子群算法收敛速度快和蜂群算法搜索能力强的特性,首先通过DV-Hop算法估计锚节点与未知节点之间的距离,然后采用粒子群算法计算未知节点的初始位置,最后利用蜂群算法进行迭代求精,从而实现基于不同距离测量方法的总体优化。仿真结果表明,改进算法的定位精度较DV-Hop算法和基于粒子群的定位算法有明显改善。 相似文献
14.
基于粒子群优化算法思想的组合自适应滤波算法 总被引:1,自引:1,他引:0
根据粒子群优化(PSO)算法的社会心理学指导思想并结合自适应FIR滤波器的特点,设计了合适的惯性项、认知项与社会项表达式,并将之应用于组合自适应滤波器的子自适应滤波器更新中,提出了基于PSO算法思想的组合自适应滤波算法,分析了新算法的计算复杂度。理论分析与不同条件下的自适应系统辨识仿真结果表明,新算法可以在不明显提高计算量的条件下较好地平衡自适应滤波器的稳态失调与跟踪能力,其收敛性能优于其它几种较新的LMS算法。 相似文献
15.
16.
针对相干信源波达方向估计的需要,结合粒子群优化算法,论文提出了一种基于混沌自适应变异粒子群优化的广义极大似然算法(CAMPSOGML),算法对阵列的几何结构没有任何约束,分辨的信源数可大于阵元数,算法把混沌初始化和自适应变异策略引进粒子群算法中,有效地提高了收敛速度,克服了粒子群算法容易陷入局部最优值的缺点。计算机仿真表明:与基于实数遗传算法和粒子群算法的广义极大似然估计方法相比,CAMPSOGML算法在收敛速度和估计精度上都有优势,是一种新颖的有效的解相干算法。 相似文献
17.
粒子群优化算法(PSO)是合成天线阵列预期方向图的有效手段。但对于某些大型平面阵列方向图复杂的非线性优化问题,该算法收敛速度慢且最优粒子易陷入局部最优解,因而使得算法失效。针对这一问题,该文提出一种改进PSO算法来提高传统PSO算法的收敛特性。该算法在初始化最优粒子时采用解析初值而不是随机初值。对于给定的预期方向图,通过矩阵运算解析对应该方向图的阵元权系数。之后将这些权系数指定为任意一个粒子的解析初值,而种群的其他粒子仍然赋随机初值,之后再衔接标准PSO算法的寻优迭代过程。这种初始化方法使得种群粒子在寻优搜索过程开始之前,即可得到最优粒子初值的有效估计。仿真结果表明,相对于全部粒子赋随机初值的标准算法而言,这种改进算法收敛速度更快,适应度值收敛得更深,因而有效提高了算法的收敛特性,从而能够得到满足预期方向图指标要求的优化结果。 相似文献
18.
改进粒子群算法的多峰值优化研究 总被引:1,自引:1,他引:0
粒子群优化算法对于多维函数的最优解搜索存在前期易陷入局部最优,后期收敛速度缓慢的问题.将改进的k-中心点聚类分析与PSO相结合提出了一种混合粒子群算法KM-PSO,用于多峰值问题的优化.在算法中,利用k-中心点聚类分析方法将粒子群划分成若干个子群,结合PSO的隐含并行搜索的优势增强了寻优性能.不仅增加了粒子间的信息交换,抑制了早熟收敛,还提高了全局寻优速度和计算精度.仿真实验结果表明,KM-PS0性能优于基本粒子群优化算法. 相似文献
19.
合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型,并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案,与其他算法相比,所得Pareto解集在收敛性和多样性上具有性能优势。
相似文献