极化滤波方法能够在一定程度上有效对抗雷达主瓣干扰, 但同时也对系统架构提出了较高要求。针对这一成本矛盾, 提出一种基于单极化阵列中阵元空域极化特性差异的极化滤波新方法。该方法从差异机理出发, 利用有源单元方向图求解极化方向图综合模型, 得到同时多极化波束。对多波束接收信号进行正交极化分解, 估计干扰极化参数, 在此基础上实现干扰抑制极化滤波。基于阵列天线方向图暗室实测数据开展仿真实验, 结果表明对于来波方向重合的目标和干扰信号, 若其极化状态达到一定差异, 所提方法能够实现有效的干扰抑制。该方法性价比优势明显, 可为单极化阵列雷达系统升级改造提供新思路。
现有宽带波束形成方法的多维处理使得计算量剧增。针对这一问题, 对于宽带线性调频(linear frequency modulation, LFM)信号, 提出一种只需整数倍时延补偿无需时域加权的宽带最优自适应波束形成算法。通过对期望信号和干扰经整数时延处理后信号形式的分析, 推导出统一导向向量表达式和方向图计算公式, 并基于该导向向量表达式对期望信号建立频率响应一致性约束以保证无失真输出, 且对于不能直接获得干扰加噪声协方差矩阵的场景, 给出该矩阵重构方法, 分析采样频率对算法性能的影响。与常规方法相比, 该方法具有无需预处理、无需时域加权、波束形成性能较好等特点。
针对皮秒激光器种子源锁模稳定性监测难题, 设计一套基于可编程门阵列(field programmable gate array, FPGA)的激光脉冲重复频率数字测量系统。该系统利用FPGA中的锁相环(phase locked loop, PLL)产生多路相移高频标准时钟信号, 对输入光脉冲信号产生的时间门进行计数测量, 同时采用限幅滤波和算数平均滤波的处理方法得到更为精确稳定的频率测量值, 以增强系统的抗干扰能力。该系统对80 MHz待测信号进行测量, 理论测量精度可以达到31.7 Hz, 相对精度可以达到3.96×10-7。根据实验测试结果, 实际精度约为18 Hz, 相对精度为2.25×10-7, 系统设计满足精度要求。结果表明, 该系统能够精准感知MHz级皮秒种子激光脉冲重复频率变化, 为进一步判断与控制锁模稳定提供基础, 同时也对其他工业测频装置设计有参考价值。
针对线阵旁瓣高且端向干扰抑制能力差的问题, 把虚源干扰法加权改进引入至均匀线阵波束形成, 提出一套通用易行的虚源空间分布和参数初始化方案, 改进寻优迭代中的主瓣引导、协方差估计、权系数归一等方法, 可达成全空间方位(包括端向)上的恒低旁瓣加权波束形成, 且可自动抑制来自端射方向的连续强干扰, 特别适合于拖线阵应用。通过仿真和海试数据实例分析, 对比常规的无加权和加权波束形成方法, 从指向性图、二维空间谱、预成波束输出等方面, 验证本文方法的有效性。
赤磷基烟幕弹是对抗红外探测的有效干扰手段, 烟幕弹爆炸后扩散形成的烟幕对被测目标的衰减分布特征是评估其遮蔽性能的基础。典型爆炸型红外烟幕衰减特性模型包括爆炸成烟的扩散模型和基于Mie散射理论的烟幕透过率计算模型, 据此设计并开展了烟幕微观光学特征测量实验与赤磷烟幕弹红外衰减特性外场测量实验。实验结果表明, 烟幕颗粒尺度主要集中在10~75 μm之间, 形态趋近于球形粒子。与外场测试获取的烟幕随时间变化的透过率结果相比, 烟幕衰减特性模型的中波透过率计算结果的相对误差均值为16.3%, 长波透过率计算结果的相对误差均值为15.8%。由扩散模型计算得到的烟幕组分数密度与测得的烟幕透过率变化趋势一致, 计算模型结果与实验数据分析相符。对烟幕粒子的球形假设、组分类型的设定与真实状态存在一定的偏差, 需要进一步开展烟幕三维物理场的验证分析, 以完善烟幕衰减模型。
电磁信息智能控制是现代战争中管理和利用电磁环境的关键技术，观察-判断-决策-行动(observe-orient-decide-act, OODA)循环提供了这一过程的理论指导。生成对抗网络(generative adversarial network，GAN)及其衍生模型，凭借其出色的数据生成和适应能力，极大增强了在电磁环境信息观察和分析方面的能力，为电磁频谱战中OODA循环的智能化提供了新动力。本文深入探讨GAN及其衍生模型在电磁频谱战OODA循环中的应用，特别是其如何在信号检测识别、辐射源识别、策略优化等关键环节中提高认知效能。同时，对于GAN在此领域应用所面临的挑战进行探讨，如数据质量和模型泛化能力，旨在推动该技术在电磁信息智能控制领域的深入研究和应用，进而促进技术创新与发展。
在射频/红外复合制导半实物仿真实验系统的搭建中，射频/红外复合制导转台的设计是其中的一项重点和难点。针对由五轴转台及其外两轴上红外复合设备构成的射频/红外复合制导转台，希望通过电磁仿真的方法来评估其对被试雷达测角误差精度的影响，以满足射频/红外复合制导转台的设计需求。为此，提出一种基于区域分解的混合全波电磁建模方法，实现天线辐射波通过异形异构复合制导转台到达被试雷达半实物仿真实验场景的高置信度数值模拟。此外，基于建模仿真获得的电磁场分布，结合电磁互易原理与单脉冲比幅测角原理，提出一种雷达测角误差的计算方法。采用典型的异构异形复合制导转台进行数值仿真实验，对所提方法的精度和能力进行验证，展示该方法具备支撑射频/红外复合制导转台尤其是其中红外复合设备设计的潜力。
现有超分辨方法大多基于理想退化模型且易导致强散射信息均值化, 不适用于机载合成孔径雷达(synthetic aperture radar, SAR)实传图像的超分辨重建。针对该问题, 在机载SAR实传图像和精细成像图像之间建立了一个盲超分辨重建网络。首先, 采用生成对抗网络学习两个图像域之间的映射关系。其次, 通过注意力机制引导网络关注强散射区域。然后, 利用感知循环一致性损失保留图像纹理特征。最后, 在实测机载SAR数据集上验证了算法有效性, 重建结果的人类视觉系统信噪比和辐射分辨率分别提升了约30%和20%。特征分析及可视化表明, 所提方法提高了图像质量且重建出清晰的强散射特征。
噪声和信号传输是雷达设计中需要考虑的重要因素, 本文设计一种考虑多源噪声及信号传输质量的毫米波雷达系统仿真模型。模型包括频率合成器、信号收发机以及信号处理等模块, 能够模拟信号发生、传输至雷达测速、测距的系统。以此为框架, 设计考虑电源噪声、杂散噪声和杂波噪声的噪声模型, 对雷达漏警、虚警等情况进行模拟预测。在信号传输方面, 建立等效电路模型, 并结合场路协同分析方法, 提高仿真精度。对于典型案例, 发现时钟信号存在“回勾”问题, 这表明仿真模型能够通过检测“眼图”、信号波形等指标, 有效预测雷达可能存在的信号传输质量问题, 并指导传输线的设计。
分布式相参雷达在抗干扰和目标探测性能方面具有明显优势, 但分布式构型带来的栅瓣问题给目标到达方向(direction of arrival, DOA)估计带来很大的困难。在均匀分布式相参阵列的基础上, 拓展和差波束形成(sum and difference beamforming, SDB)方法至分布式阵列的栅瓣区域, 并采用双指向法分析鉴角曲线(angular response curve, ARC)特性, 提出一种基于多载频自适应SDB(multi-frequency adaptive SDB, MF-ASDB)的解模糊测角方法。该方法在不同频点下利用密集栅瓣辅助扫描检测, 通过ASDB方法计算模糊主值后, 将其拓展得到包含目标真实角度的DOA模糊值; 根据频率与栅瓣周期之间的角度偏移关系, 使用最小二乘方法实现DOA解模糊。仿真结果验证了所提方法的有效性。
针对中国余数定理一类的方法在解模糊时存在错误概率增大的问题, 提出一种多子带相干融合解模糊方法。首先, 估计出运动目标在各频点的导向, 然后, 依次对各参考频点求解聚焦变换矩阵, 并通过空间聚焦处理提高动目标径向速度估计精度, 最后, 进行解模糊处理。仿真和实测数据的处理结果表明, 所提方法可有效改善动目标径向速度估计精度, 并提高正确解模糊的概率。
合成孔径雷达(synthetic aperture radar, SAR)脉间载频捷变技术通过随机改变每个脉冲信号的载频, 主动增加了雷达波形的复杂度和不确定性, 能够有效对抗有源欺骗干扰, 但脉间载频捷变会导致多普勒调频率捷变、方位向无法压缩等问题。对此, 提出一种快速补偿频域成像处理方案。考虑到脉间捷变频信号脉间相位历程变化、脉内线性调频的特性, 在距离向脉冲压缩后能避免相位随距离空变, 并通过对距离向主瓣精准补偿和旁瓣近似补偿, 实现在快速成像的同时, 抑制距离向旁瓣, 提升弱目标显示能力, 其计算量与传统固定波形SAR成像计算量相当。仿真数据处理得到了点目标、面目标在有源欺骗干扰下的成像结果, 验证了该方案的有效性及抗干扰性能。此外, 该处理方案下点目标的峰值旁瓣比和积分旁瓣比对比传统固定波形处理方案能分别有效提升12 dB和10 dB。
逆合成孔径雷达(inverse synthetic aperture radar, ISAR)图像是雷达自动目标识别的重要手段，获得高分辨率的ISAR图像需要雷达长时间照射，在实际工程应用中存在较大的限制。相比之下，宽带脉冲多普勒(pulse Doppler, PD)图像通过短脉冲积累成像，能够有效节约雷达资源。本文以不同入射视线角下图像中调制现象差异为出发点，设计一种角度引导注意力的卷积神经网络，旨在实现有限资源下更高的识别性能。首先，通过混合注意力残差模块，使网络聚焦于图像空域的差异，从而有效提升目标精细化特征的表征能力。然后，设计角度引导注意力模块，通过角度编码将入射视线角信息嵌入网络，实现目标特征表示与姿态的关联耦合，进一步提升识别准确率。最后，通过3类飞机的实测宽带PD图像进行分类识别，验证所设计网络的有效性。
高空飞艇具有驻空时间长、能源消耗低等优点, 在面对信息监测和长期通信方面有很高的应用价值。综合考虑飞艇平台与载荷在指标上的耦合关系, 提出一种面向定性与定量指标的轻量化高空飞艇效能评估方法。首先, 运用模糊综合评估法将无法直接用于数据分析的定性指标转化为定量指标, 实现多类型指标的完全量化。其次, 通过基于模糊C均值聚类的最大信息系数相关性分析选择与关注指标相关的指标, 构建轻量评估体系。再次, 提出专家排序评价的主客观组合赋权法, 基于轻量评估体系计算权重获得效能评估结果。最后, 通过实例验证所提效能评估方法的有效性。所提出的轻量化高空飞艇效能评估方法可为高空飞艇的设计和优化提供数据支持, 缩短研发周期、降低经济成本。
针对带容量约束的车辆路径问题(capacitated vehicle routing problem, CVRP), 提出一种利用层次结构对容量约束进行解耦的方法, 将复杂的CVRP拆分为约束规划和路径规划, 并分别进行深度强化学习(deep reinforcement learning, DRL)优化求解。首先, 上层基于注意力模型和采样机制对配送任务进行分配, 规划出满足容量约束的子回路集。其次, 下层采用预训练的无约束的注意力机制模型, 对子回路集进行路径规划。最后, 通过Reinforce算法反馈训练和迭代优化上层的网络参数。实验结果表明, 该方法对不同规模的CVRP和异构CVRP任务具有泛化性, 性能优于最先进的DRL方法; 并且与其他启发式方法相比, 在批量运算任务中, 求解速度提升10倍以上, 且保持具有竞争力的解。
当前民用飞机的监测数据难以有效应用于状态监测与故障诊断，限制了其安全性和可靠性的提升。为此，本文提出一种基于液压系统部件设计与监测数据的决策树模型，用于实现液压系统运行状态的监控；同时提出一种基于故障逻辑与运行数据的迁移学习模型，用于故障诊断与定位，以提升状态监控能力与故障诊断效率。首先，分析液压系统原理，依据机组操作手册(flight crew operating manual, FCOM)额定参数与监测数据建立运行监控指标，采用决策树模型监控液压系统的运行状态；随后通过故障形成条件梳理成逻辑图，结合逻辑图的输入信号参数采集快速存取记录器(quick access recorder, QAR)数据，开发迁移学习模型实现故障诊断与定位。最后以某型国产民机液压低压故障为例，验证了所提方法的应用效果。结果表明，该运行状态监控方法能有效量化液压系统状态，故障诊断方法则能高效识别故障原因。
装备体系组合发展规划是一项复杂的系统工程, 具有重要的军事意义和研究价值。考虑到武器装备体系的关联性和复杂性, 从体系的角度出发, 提出一种装备体系组合发展规划方法, 为装备发展论证提供思路。首先，基于装备的不同属性以及关联关系，构建了装备体系异质网络模型并识别提取功能链，为后续装备发展规划建模提供基础；其次，考虑到装备发展的不确定性，建立了多阶段装备发展规划模型；然后，设计一种双重深度Q网络(double deep Q-network, Double DQN)算法来求解模型；最后，以典型装备体系发展规划为例进行演示计算，验证了所提方法的有效性和可行性。
多导弹协同编队作战已成为现代战争中打击关键目标的重要手段, 为应对瞬息万变的战场局势, 要求快速计算导弹发射时序, 使所有导弹在预定时间内准确完成打击任务。为解决多导弹协同发射时序规划问题, 基于图神经网络提出一种以导弹发射完成时间最小化为目标的整数线性规划模型, 设计出基于图神经网络模型的导弹发射顺序规划算法, 并基于节点采样和贪婪插入策略对导弹发射顺序进行局部优化, 可协助战场指挥员快速生成导弹发射时序方案。对20~200枚导弹协同发射实例进行验证分析。实验结果表明, 该模型和方法能有效解决多导弹协同发射时序规划问题。
现有舰空导弹命中概率估计方法主要从单批次试验角度研究, 未能考虑命中概率多批次增长试验特点的问题, 致使命中概率准确估计较为困难。本文以舰空导弹二维正态射弹散布现象为切入点, 基于贝叶斯方法选取正态-逆伽马分布作为射弹散布参数的先验分布, 融合先验信息弥补小样本试验数据量不足问题, 在各批次试验的射弹散布参数值之间建立顺序约束关系, 并利用马尔可夫链-蒙特卡罗(Markov chain-Monte Carlo, MCMC)方法结合吉布斯抽样进行贝叶斯求解, 从而实现融合多批次增长试验信息的目的。研究结果表明, 该方法相比现有单批次试验命中概率估计方法能够考虑多批次增长试验的特点, 为舰空导弹命中概率估计提供借鉴。
为满足态势认知智能化需求, 提出一种面向兵棋推演战场态势认知的机器学习数据集规范化构建方法。以陆军战术兵棋推演为研究对象, 基于特征工程分析其战场态势关键要素, 提出一种分层栅格化的战场态势特征表达模型。采用等间隔时间关联模式对兵棋推演过程数据进行滑动切片、映射变换, 解决兵棋数据结构不统一、特征标签不均衡、数据变换保真困难等问题, 实现样本的自动收集与存储。构建并公开包含26万个样本的数据集兵棋推演态势认知机器学习数据集, 实验表明采用所提方法构建的数据集主观色彩少, 数据保真效果好, 数据集采集过程自动且高效, 数据集一致性好。
针对航母编队作战效能评估问题, 考虑到作战环各环节的作战能力指标无法精确度量的特点, 将三角模糊数方法引入到作战环理论中并对其进行扩展。首先, 构建航母编队作战能力指标体系, 并给出作战环中各环节作战效能的计算方法。其次, 考虑信息共享和协同指控过程, 结合作战环理论, 以及航母编队中装备实体与作战环节点的映射关系, 构建作战环网络模型。最后, 以航母编队遂行对空拦截作战任务为例, 对航母编队作战效能展开评估, 并分析集中式和分布式指控方式下航母编队的作战效能以及各类装备的贡献度。
为应对现代战争中作战环境的不确定性问题, 指挥员需具备实时优化作战行动过程(course of action, COA)的能力和手段, 保证态势变化条件下的作战效能。本文考虑作战持续过程中战场态势变化、指挥员意图介入等因素, 采用基于贝叶斯网络的行动过程建模, 研究反馈机制下的COA实时滚动优化策略, 有效提升行动方案的适用性。通过仿真案例分析可知, 滚动优化结构所生成的COA方案评价得分能够在单次优化的基础上提高15%以上, 表明滚动优化结构的COA实时决策方法, 能够克服复杂作战环境下战场态势和指挥员意图的实时变化影响, 保证行动方案的全过程持续最优。
指挥控制系统具有以软件形态为主、人机融合等特点, 数字模型构建难度大。针对上述问题, 提出指挥控制系统数字孪生成熟度模型。首先, 给出指挥控制系统数字孪生范畴, 分析其能力目标需求。其次, 提出指挥控制系统数字孪生成熟度模型与发展步骤, 从数字孪生可靠性、人的主观能动性、体系联动性、虚实空间实时性等方面剖析关键问题及解决思路。最后，建立指挥控制系统数字孪生关键技术体系，重点分析指控建模、智能认知决策、大数据挖掘、多模态互感、智能评估等关键技术及攻关思路。所提成熟度模型、关键技术体系能够为指挥控制系统数字孪生构建提供参考。
原子自旋惯性测量系统受光、热、磁等多物理场及其耦合作用, 误差模型较为复杂, 系统长期稳定性及精度进一步提高遇到瓶颈。对此, 提出一种基于抽运光调制的K-Rb-21Ne原子自旋惯性测量响应特性研究方法, 通过锥形放大器对抽运光功率施加高频调制, 建立调制抽运光对原子自旋系综的极化响应模型, 确定系统输出基频信号与输入角速率的映射关系并进行实验验证。结果表明, 基于抽运光调制的惯性系统在0.1 Hz以上具有明显的低频噪声抑制效果。该方法也适用于原子自旋磁强计、核磁共振陀螺仪等领域, 预计会有同样的效果。
针对悬吊式重力补偿系统对负载水平运动响应慢、随动偏差测量不可靠、负载运动易激起吊索谐振等问题, 提出基于齿轮导轨驱动、正交激光倾角测量的水平位置跟随方案。为实现随动偏差的高频、精确测量, 采用正交安装的激光传感器测量出线口吊索相对距离, 通过标定转换得到吊索偏角。利用对系统各部分建模分析及实际测量结果, 设计陷波器抑制吊索谐振, 实现高动态、高精度水平随动控制。实验结果表明, 随动系统可以跟随被试人员的各种复杂运动, 最大跟随速度大于2 m/s, 且保持吊索最大偏差不超过1.4°, 能够满足地外微低重力环境模拟的需求。
卫星导航接收机射频(radio frequency, RF)前端的非线性效应威胁导航设备的正常工作, 是卫星导航接收机抗干扰性能进一步提升的瓶颈。建立设备非线性效应的行为模型是解决非线性问题的重要方法。随着卫星导航接收机种类多样化、干扰环境复杂化, 已有的非线性模型显现出对卫星导航接收机针对性研究不足、干扰环境下可靠性不足和建模方法不适配的问题。因此, 综述主流的非线性效应行为级建模方法, 评述各建模方法的优点与不足, 介绍机器学习技术在非线性行为级建模的应用。最后, 根据对已有建模技术特点的总结与面临的问题, 对未来卫星导航接收机非线性建模技术的发展做出展望。
针对具有不确定性和排除约束的轨迹跟踪控制问题, 提出计算高效的鲁棒模型预测不可达轨迹跟踪控制算法。首先, 引入一条满足所有约束的可行周期参考轨迹, 并计算不确定性系统状态集和所有排除约束集之间的分离超平面, 生成排除约束安全集, 将固有非凸的排除约束凸化为闭多胞体约束。然后, 引入辅助变量, 将具有排除约束的轨迹规划问题和跟踪控制问题集成到同一个优化问题中, 并利用二次规划进行求解, 实际系统状态轨迹收敛于最优可达参考轨迹。此外, 该算法可以保证迭代可行性和鲁棒稳定性。最后, 通过仿真验证了算法的有效性和高效性。
针对多高超声速飞行器的协同末制导问题, 提出一种有限时间收敛的自适应滑模协同制导方法, 能够同时满足终端航迹倾角、航迹方位角及时间协同的要求。分别从俯冲和转弯平面设计有限时间收敛的滑模协同制导律, 并设计滑模面自适应参数添加到制导律中。针对运动目标, 对飞行器与目标间的相对航迹倾角进行系数补偿, 解决打击运动目标时为减小脱靶而牺牲打击角度的问题。仿真结果表明, 该协同末制导律可以使各高超声速飞行器同时满足航迹倾角约束、打击时间协同及各自的终端航迹方位角要求, 且对于初始状态和气动参数偏差具有鲁棒性。
捷联式图像导引头结构紧凑、可抗高过载、成本相对低廉, 契合精确制导炮弹对小型化、抗过载、低成本的需求。然而, 在炮弹飞行时由自旋引起的弹体章动和进动, 加大了弹目视线角与弹体姿态角解耦难度, 长期制约捷联式导引头在制导炮弹上的应用。对此, 提出一种针对旋转捷联图像制导炮弹的弹目视线角提取方法, 设计带有视场角约束的旋转捷联式图像末制导方案: 通过解算全攻角方程, 在导引头视场内提取虚拟速度矢量, 闭环制导回路; 构造含视场角约束的非线性滑模面和正切型障碍李雅普诺夫函数, 采用间歇控制, 实现目标视场内稳定锁定; 引入自适应扩张状态观测器, 对目标运动进行估计和补偿, 减小弹体抖震现象。所提方案通过数值仿真和实弹飞行验证, 命中精度达到预期指标要求, 可实现旋转捷联图像制导炮弹的精确制导控制。
针对正交多载波扩频(orthogonal multi-carrier spread spectrum, OMCSS)水声通信系统接收信号快速处理需求, 提出一种基于图形处理模块(graphic processing unit, GPU)的M元解扩算法的并行实现方法。首先, 分析M元解扩算法在GPU平台上实现的可行性, 针对算法内部基础运算单元进行并行优化处理。然后, 为了进一步提升GPU并行运行速度, 对算法进行基于并发内核执行的M元并行解扩计算架构设计。在中央处理器(central processing unit, CPU)+GPU异构平台上对算法性能进行测试。测试结果表明, 设计的M元并行解扩算法相比M元串行解扩算法在运行速度上有最大90.47%的提升, 最大加速比为10.5。
自组织网络由于其具有组网灵活、不需要固定设施即可完成通信的特点, 在抢险救灾、军事对抗等场景有着广泛的应用, 但其安全性缺乏足够的保障。针对自组织网络在建网阶段可能受到外部攻击者干扰的问题, 设计一种高可靠、低开销的接入认证算法。为了降低算法带来的通信载荷开销, 对传统的消息摘要5(message-digest 5, MD5)加密算法进行改进, 减少加密结果的长度。为了降低算法带来的认证时间开销和抵抗传输差错, 对传统的“三次握手”机制进行改进, 引入重传机制减少传输差错, 并增加报警机制以实现对攻击者的识别。通过仿真与理论分析, 可以证明该算法能够抵抗节点之间的传输差错、识别出潜在的攻击者并维持较低的通信载荷开销与认证时间开销, 可以广泛应用于各类自组织网络系统中。
为了克服传统路由协议基于有限状态机架构的扩展局限性问题, 引入行为树技术重构路由协议控制层。首先, 提出一种路由协议控制层解耦结构, 借助行为树将控制平面分解为两个层面, 实现控制平面的灵活编程。接着, 设计一种基于行为树的路由协议状态模型, 为协议行为提供标准化的描述方法。同时, 提出一种基于动作模板的逻辑处理规则重构机制, 增强路由协议的扩展性和可维护性。最后, 使用一种路由协议进行概念验证, 对比分析显示, 行为树在扩展复杂度和框架执行效率上均优于传统有限状态机, 证明其在网络协议设计中的可行性和有效性。
针对传统扩频通信系统速率低, 难以广泛应用于水下通信组网的问题, 提出一种将M元循环移位键控(M-ary cyclic shift keying, MCSK)扩频与多输入多输出(multiple input multiple output, MIMO)通信系统相结合的高效水声通信方法, 一方面利用MIMO系统的空分复用增益及MCSK编码增加信息调制维度, 进而实现通信速率的显著提升; 另一方面, 接收端相应提出一种频域相位共轭能量检测算法抑制码间干扰和同信道干扰并进行低复杂度译码, 并通过仿真验证其优越性。2发8收MIMO深海试验中, 成功实现了通信距离为10 km和20 km处通信速率为257.8 bps的低误码水声通信, 验证了所提方法的有效性和稳健性。
对于关键性能指标(key performance indicator, KPI)的异常检测是互联网智慧运维流程中的基石, 对于故障报警和保障服务器安全具有重要意义。深度生成模型已经能很好地解决机器学习模型深度特征表征能力差的问题, 但对于KPI数据中时间信息的处理和长时信息的捕获存在不足。为此, 提出一种基于条件变分自编码器(conditional variational autoencoder, CVAE)和长短时记忆(long-short term memory, LSTM)网络相结合的KPI异常检测模型, 利用CVAE网络强大的表征能力, 并将时间信息添加到深度自编码器中, 利用LSTM的长时记忆能力, 提高模型的长时异常学习和处理能力, 使用训练好的CVAE网络来进一步训练LSTM。在3个公开的数据集上与其他深度学习模型进行对比实验, 实验结果表明, 在F1值方面, 所提模型的性能优于单独的LSTM和一些效果较好的深度学习模型。
