舰船传感网络入侵数据快速定位方法分析

为了保证舰船传感网络的安全运行,提出舰船传感网络入侵数据快速定位方法。通过网关/基站和节点,设计适合舰船传感网络入侵数据定位的拓扑结构,并根据构建的目标定位网络拓扑结构,采用三边质心法获取入侵节点坐标,完成对舰船传感网络入侵数据的快速定位。根据实验结果可知,所提方法能够快速且精准的对舰船传感网络入侵数据进行定位,为舰船网络通信安全奠定了基础。     

基于CDIO教育理念的舰船总体课程群建设

针对军队院校专业课程建设总体指导思想不够清晰、整体规划设计不足,课程建设过程中教师各自为战未形成团队合力,课程改革分散增加学生学业负担等问题,基于CDIO教育理念和建构主义学习理论,提出“课程”与“项目”一体化课程群设计原则,构建具有两条主线的、实践教学与理论知识紧密结合的课程群模型,并以船舶与海洋工程专业舰船总体课程群为例进行实践。     

基于全三维数字化设计的大型舰船设计质量管理实践

舰船设计质量管控是决定舰船最终质量的关键过程。在大型舰船采用全三维设计的大背景下,结合大型舰船研制特点,通过开发三维设计质量检查工具,制定审签责任清单,同时加强形势分析、强化过程监督、加强经验反馈、落实质量奖惩等举措,逐步形成“风险及时预警、问题及时整改、经验及时反馈、奖惩及时落地”的质量管理模式,实现抓质量促进度的工作目标。     

正则化在船舶通信多维关联数据动态降维中的应用

船舶通信多维相关数据的动态降维和船舶通信多维相关性的计算思想给其求解带来了很大的困难。根据船舶正则化的特点,分析影响船舶通信数据动态降维精确解的因素。为了减少船舶通信多维相关数据的动态降维问题,在降维的基础上,对样本的信道响应函数进行多维回归扩展,以提高动态降维的应用。根据实际应用需求,本文提出一种结合数据表示和感知算法的正则化方法,更具实用性。     

基于无线网络的舰船实时导航数据采集与传输研究

研究基于无线网络的舰船实时导航数据采集与传输,满足舰船实时导航数据传输的多样性需求。利用GPS接收机、罗兰C接收机、多普勒计程仪等导航数据采集设备,采集舰船位置信息、航行速度等实时导航数据,所采集数据利用无线局域网传输至舰船导航系统。无线局域网编码处理舰船实时导航数据与通信信道,采用信道加密方法加密编码后数据,利用压缩感知算法重构加密后数据,完成无线局域网的数据接收;数据接收的反向操作即数据发送过程,通过数据接收与发送2个过程,实现舰船实时导航数据传输。实验结果表明,该方法利用平台罗经仪有效采集舰船首向角数据,不同类型的舰船实时导航数据传输均未存在丢包情况。     

基于改进DCP水下图像增强算法研究

为提高舰员对舰船的维修保障能力,尤其是舰船水下部分及附属装置的检查、清洗、切割或维修等,需借助水下视觉辅助设备,但利用视觉设备在水下所取得的图像存在着清晰度低模糊、色偏严重对比度不高、亮度偏暗等缺点。为解决这一问题,在深入分析常用图像增强算法的基础上,经过筛选采用改进后的暗通道优先算法对水下图像进行增强,提高水下图像的对比度和对水下图像进行颜色校正,以适应人眼对图像信息的获取。首先使用传统的暗通道先验算法对图像颜色校正,使图像看起来颜色更加均匀对比度更高,随后利用改进的暗通道先验算法进行改进。改进后的算法模型传输率更高,PSNR更均衡,图片中噪声更小,更清晰,可以满足水下图像的观测要求,为实际舰船水下检修提供可靠的帮助。     

基于无线网络的舰船智慧导航系统

以实现安全精确舰船导航为目的,设计无线网络的舰船智慧导航系统。卫星和GPS接收器获取舰船位置等信息,并使用纸质海图导入功能获取电子海图,将电子海图和舰船位置信息发送到电子海图管理模块、查询统计模块和航行管理模块内,利用舰船导航模块实现舰船导航,使用电子海图管理模块和查询统计模块实现舰船运动轨迹显示、海图导出以及舰船当前位置显示等功能,采用坐标转换和墨卡托投影转换算法实现舰船导航。实验结果表明,该系统具备较好的信息接收功能,且其无线网络传输能力较好,在导航舰船时直角空间坐标转换差值较小,导航功能强。     

基于区块链的舰船通信数据防篡改模式研究

现有舰船通信数据存储模式存在易被篡改等缺陷,结合具备防篡改特性的区块链技术设计通信数据防篡改模式,构建该模式中的舰船通信区块链结构,通过区块链共识机制由所构建的舰船通信区块链中选取最佳区块,以分层数字签名的方式向最佳区块内加密上传舰船通信数据,完成舰船通信数据的加密防篡改存储。结果表明,该模式在上传舰船通信数据过程中,可保持平稳的签名加密与最佳区块选取运算开销,并有效避免各类篡改攻击,具有较高的防篡改性能。最终存储的数组舰船通信数据中,最高被篡改与缺失数据量的占比仅为0.004%与0.02%,存储数据的整体安全性与完整性较为理想,可为舰船通信数据的安全存储提供保障。     

大数据驱动和分析的舰船通信网络流量智能估计

以准确估计舰船通信网络流量为研究核心,提出基于大数据驱动与分析的舰船通信网络流量智能估计方法。该方法以大数据驱动和分析领域中的经验模态分解、卷积神经网络为技术核心,使用基于改进集合经验模态分解的舰船通信网络信号降噪方法,去除舰船通信网络信号中噪声;构建去噪后舰船通信网络信号中的流量时间序列图,凸显通信网络流量在各个时间段的变化特征之后,将舰船通信网络流量时间序列图中的时间序列,作为基于卷积神经网络的网络流量预测方法的预测样本,提取舰船通信网络细节信号的时间序列,估计流量的趋势信息与时间信息,实现舰船通信网络流量智能估计。经测试：该方法对舰船通信网络流量智能估计后,估计结果与实际流量基本一致。     

舰船遥感图像非线性畸变自适应校正研究

针对摄像机成像模型受非线性映射导致所获取舰船遥感图像存在的非线性畸变,根据Tsai畸变模型和Brown畸变模型构建改进处理的非线性畸变模型,通过实验场校验法解算非线性畸变模型的校正参数,实现目标坐标的校正处理,采用双线性内差值法对原始舰船遥感图像作重采样处理,获取畸变校正后的舰船遥感图像。实验结果表明：该方法可实现舰船遥感图像的非线性畸变校正,校正后畸变误差均值、畸变百分比较小。