分布式电子战网络节点部署技术研究
发布时间：2021-06-19 15:21
聚焦战场复杂多变电磁环境的挑战,作为电子战领域新的发展方向,分布式电子战网络受到了越来越广泛的关注。而作为关键技术之一,电子战节点部署技术对更高效地实现电磁环境感知、协同侦察、协同定位、协同攻击和提高网络生命周期具有重要的意义。论文在阐述了分布式电子战网络研究背景和现状以及分析了分布式电子战网络节点部署技术中所涉及理论知识的基础上,明确了论文的研究目标为敌方基于中心节点的战场无线通信网络,并以此为应用场景对分布式电子战网络节点部署技术展开研究。首先,论文依据基于中心节点的战场无线通信网络的信号传输特征,提出了在敌方战场电磁覆盖区域内划定电子战节点部署重点区域的概念。针对重点区域划定问题,论文提出了一种基于SVR-Kriging的中心节点覆盖范围估计及重点区域确定算法。在分布式电子战节点预先部署存在覆盖盲区的情况下,该算法通过SVR-Kriging插值实现对敌方战场无线通信网络中心节点的覆盖范围估计,再依据满足正常通信所需的信号强度划定出重点区域,为下一步分布式电子战节点优化部署技术的研究奠定了基础。其次,针对移动电子战节点,论文提出了基于改进的粒子群算法的电子战节点优化部署算法。根据敌...
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
仿真环境
(a) 训练集拟合曲线 (b) 测试集测试结果图 3. 5 变异函数 SVR 拟合其中图 3.5(a)所示为训练集拟合结果，图 3.5(b)为测试集测试结果。为了对比算法性能，分别采用球形模型、高斯模型与指数模型对训练集进行 Kriging 变异函数拟合，对比结果如图 3.6 所示。
第 27 页图 3. 6 不同模型变异函数拟合对比计算各模型的均方根误差 RMSE。高斯模型为 26.280，指数模型为 27.785，SVR 为 25.940。经比较可知，SVR 拟合方法 RMS更加有效的衡量各模型的拟合精度，对 30 个电子战节点进行抽取，并对其进行了拟合实验。多次实验中各模型拟合的平均系数 R2如表 3.1 所示。表 3. 1 不同模型拟合性能对比能参数 SVR 指数模型 球形模型 高斯模RMSE 24.675 29.326 28.568 25.36R20.628 7 0.487 6 0.539 9 0.599
【参考文献】：
期刊论文
[1]神秘的电子战[J]. 王贞虎. 军事文摘. 2016(19)
[2]无线通讯网络技术在军事中的应用[J]. 周立兵. 科技展望. 2016(27)
[3]存在时延的分布式无人机编队控制方法[J]. 王品,姚佩阳. 计算机测量与控制. 2016(09)
[4]基于跳距与改进粒子群算法的DV-Hop定位算法[J]. 范时平,罗丹,刘艳林. 传感技术学报. 2016(09)
[5]基于规则的无人机集群运动控制[J]. 景晓年,梁晓龙,孙强,张佳强. 计算机仿真. 2016(09)
[6]无人机三维航路自适应跟踪控制[J]. 张坤,高晓光. 计算机应用. 2016(09)
[7]动态环境下的多无人机协同任务规划仿真[J]. 乔体洲,郭新平,李亚威,张文军,尹中义. 系统仿真学报. 2016(09)
[8]联合RSSD和TDOA技术的认知协同定位算法研究[J]. 林绪森,王红军,王伦文. 信号处理. 2016(08)
[9]美军无人“蜂群”作战技术发展分析[J]. 陈方舟,黄靖皓,赵阳辉. 装备学院学报. 2016(02)
[10]美研制3D打印蜂群微型无人机:可由F-16战机发射[J]. 信息技术与信息化. 2016(04)
博士论文
[1]基于协作传输的群智能无线传感器网节点部署研究[D]. 郑文斌.哈尔滨工业大学 2014
[2]传感器网络最优感知问题研究[D]. 王昶.西安电子科技大学 2014
[3]异构传感器网络覆盖算法研究[D]. 李明.重庆大学 2011
[4]移动通信系统中功率控制关键技术的研究[D]. 陈波.上海交通大学 2008
硕士论文
[1]无线传感器网络覆盖质量评价与优化方法研究[D]. 吴煜玮.电子科技大学 2015
[2]基于改进人工蜂群算法的无线传感器网络覆盖优化策略[D]. 宋苏鸣.西安电子科技大学 2014
[3]基于群体智能优化算法的WSN部署策略研究[D]. 孙伟.南京林业大学 2013
[4]无线传感器网络节点动态部署研究[D]. 韦宁.大连理工大学 2013
[5]基于无线传感器的电磁频谱监测网络研究与仿真[D]. 赫阳.西安电子科技大学 2012
本文编号：3238060
【文章来源】：国防科技大学湖南省 211工程院校 985工程院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
仿真环境
(a) 训练集拟合曲线 (b) 测试集测试结果图 3. 5 变异函数 SVR 拟合其中图 3.5(a)所示为训练集拟合结果，图 3.5(b)为测试集测试结果。为了对比算法性能，分别采用球形模型、高斯模型与指数模型对训练集进行 Kriging 变异函数拟合，对比结果如图 3.6 所示。
第 27 页图 3. 6 不同模型变异函数拟合对比计算各模型的均方根误差 RMSE。高斯模型为 26.280，指数模型为 27.785，SVR 为 25.940。经比较可知，SVR 拟合方法 RMS更加有效的衡量各模型的拟合精度，对 30 个电子战节点进行抽取，并对其进行了拟合实验。多次实验中各模型拟合的平均系数 R2如表 3.1 所示。表 3. 1 不同模型拟合性能对比能参数 SVR 指数模型 球形模型 高斯模RMSE 24.675 29.326 28.568 25.36R20.628 7 0.487 6 0.539 9 0.599
【参考文献】：
期刊论文
[1]神秘的电子战[J]. 王贞虎. 军事文摘. 2016(19)
[2]无线通讯网络技术在军事中的应用[J]. 周立兵. 科技展望. 2016(27)
[3]存在时延的分布式无人机编队控制方法[J]. 王品,姚佩阳. 计算机测量与控制. 2016(09)
[4]基于跳距与改进粒子群算法的DV-Hop定位算法[J]. 范时平,罗丹,刘艳林. 传感技术学报. 2016(09)
[5]基于规则的无人机集群运动控制[J]. 景晓年,梁晓龙,孙强,张佳强. 计算机仿真. 2016(09)
[6]无人机三维航路自适应跟踪控制[J]. 张坤,高晓光. 计算机应用. 2016(09)
[7]动态环境下的多无人机协同任务规划仿真[J]. 乔体洲,郭新平,李亚威,张文军,尹中义. 系统仿真学报. 2016(09)
[8]联合RSSD和TDOA技术的认知协同定位算法研究[J]. 林绪森,王红军,王伦文. 信号处理. 2016(08)
[9]美军无人“蜂群”作战技术发展分析[J]. 陈方舟,黄靖皓,赵阳辉. 装备学院学报. 2016(02)
[10]美研制3D打印蜂群微型无人机:可由F-16战机发射[J]. 信息技术与信息化. 2016(04)
博士论文
[1]基于协作传输的群智能无线传感器网节点部署研究[D]. 郑文斌.哈尔滨工业大学 2014
[2]传感器网络最优感知问题研究[D]. 王昶.西安电子科技大学 2014
[3]异构传感器网络覆盖算法研究[D]. 李明.重庆大学 2011
[4]移动通信系统中功率控制关键技术的研究[D]. 陈波.上海交通大学 2008
硕士论文
[1]无线传感器网络覆盖质量评价与优化方法研究[D]. 吴煜玮.电子科技大学 2015
[2]基于改进人工蜂群算法的无线传感器网络覆盖优化策略[D]. 宋苏鸣.西安电子科技大学 2014
[3]基于群体智能优化算法的WSN部署策略研究[D]. 孙伟.南京林业大学 2013
[4]无线传感器网络节点动态部署研究[D]. 韦宁.大连理工大学 2013
[5]基于无线传感器的电磁频谱监测网络研究与仿真[D]. 赫阳.西安电子科技大学 2012
本文编号：3238060
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3238060.html
