【摘 要】
：
数据链系统是一种军事信息系统,与传统军事信息系统相比,其具有更好的互操作性,从而促进各系统单元进行任务功能协作。而数据链系统自动测试一直是一个亟需解决、值得探索的课题。在过去的研究中,测试用例生成需要测试人员对自然语言形式的消息标准进行标记以建立形式化模型,并且需要测试人员根据模型建立测试模型以及测试环境。这样的测试方式需要消耗大量时间与人力,且对测试人员的经验要求过高,最终导致漏检率高。另外,过
论文部分内容阅读
数据链系统是一种军事信息系统,与传统军事信息系统相比,其具有更好的互操作性,从而促进各系统单元进行任务功能协作。而数据链系统自动测试一直是一个亟需解决、值得探索的课题。在过去的研究中,测试用例生成需要测试人员对自然语言形式的消息标准进行标记以建立形式化模型,并且需要测试人员根据模型建立测试模型以及测试环境。这样的测试方式需要消耗大量时间与人力,且对测试人员的经验要求过高,最终导致漏检率高。另外,过去的研究缺少对系统暴露的问题进行复现、诊断和定位的能力,且没有量化测试模型性能的标准,在交付实用之前无法全面、准确地评定测试模型性能,如果在实战演练中进行测试系统试验,则代价高、效率低,最终导致交付后测试系统效果不佳。针对以上不足,本文基于建模与仿真方法,对数据链系统测试用例生成过程中消息标准形式化、测试模型生成以及测试环境生成三个任务进行研究与尝试。并针对任务中数据链消息标准复杂、测试模型扩展性不足、系统成员要素多样异构等问题进行解决。实验证明,本文提出的方法可以对目标数据链系统进行建模、仿真、测试以及诊断,提高测试系统智能化、测试过程自动化程度。本文主要贡献如下:（1）针对消息标准专用复杂,难以建立形式化模型问题,本文提出一种基于语义关系和状态依赖的消息标准自动建模方法。该方法利用神经网络,自动抽取消息标准中代表行为状态的语义关系,并利用行为状态变量,自动进行状态依赖分析。最终利用语义关系抽取与状态依赖分析的结果生成消息标准形式化模型。（2）针对测试模型扩展性不足,性能指标无法量化问题,本文提出一种基于系统行为状态的测试模型自动生成方法。该方法针对被测系统最小可测试行为进行镜像、拼接操作,以自动生成测试模型。该方法可以为任意单一被测系统生成测试模型。另外,本文基于系统行为状态,提出故障诊断模型,用于进行系统故障诊断、定位和分析,并将其用于评定测试模型性能。（3）针对数据链系统成员多样异构,系统环境难以适配问题,本文提出一种基于模型/视图/仿真器（Model/View/Simulator,MVS）组件设计理念,结合离散事件系统（Discrete Event System,DEVS）建模范式的测试环境自动生成框架,也即测试执行器架构。测试执行器可以自适应被测数据链系统环境,自动构建测试环境,生成并执行测试用例。综上所述,本文针对数据链系统测试用例生成过程中亟需解决的三个任务与问题进行研究与尝试,并提出了对应的解决方法。同时,本文基于这些方法,结合ADEVS（A Discrete Event System Simulator）仿真框架,建立了数据链自动测试系统,该系统现已成功应用于中电集团某重点实验室的数据链测试平台,用于测试真实数据链终端设备。该系统可以自动进行消息标准智能分析、系统故障诊断定位,降低测试成本,提高测试效率,该系统也可用于后续数据链相关研究,比如数据链协议脆弱性智能分析等。因此本文研究内容在方法创新和实际应用中都有重要意义,在我国全面推进国防和军队现代化建设的进程中,为军事信息系统研究领域的发展略尽绵薄之力。
其他文献
近年来,随着5G移动网络、物联网、人工智能等技术的高速发展,数据呈现爆炸式地增长,催生出了越来越多的数据密集型应用,如视频流分析、增强现实等。大量的数据密集型应用具有计算需求大且实时性要求高的特点,对现有的云计算模式带来了新的挑战。然而通过将数据密集型应用部署到移动边缘计算环境下,可以降低数据密集型应用处理用户任务的响应时间,以满足任务低延时的需求。但是用户日益提高的服务质量要求与有限的边缘服务器
5G、智能手机和互联网技术的飞速发展使得网络视频平台成为青年获取消息的主要渠道之一。各种视频平台发布的内容也因此对青年的世界观、人生观、价值观有着重要的影响。作为网络视频平台之一的B站,其社交属性、个性化推荐等特点使其成为青年之间流行的热门视频平台。因此,如何利用B站进行主流思想的正能量传播,如何更好地发挥平台的积极作用从而科学地引导青年,顺理成章地成为思想政治教育工作者需要认真思考和慎重对待的重
单克隆抗体药物具有高特异性和低成本的优点,在药品研发领域有着广泛的应用,利用杂交瘤细胞可以大量的生产单克隆抗体。在杂交瘤生产流程中,必须对试管中的细胞进行定期筛选。传统的杂交瘤细胞筛选通过人工完成,存在着效率低下和容易发生主观性偏差等缺点。本文采用深度学习技术,提出了两种基于卷积神经网络的杂交瘤细胞图像分割算法,并且设计和完成了杂交瘤细胞图像自动分割系统,实现对细胞图像快速且精确的分割。通过大量的
近年来,借助深度学习算法对医学影像中的细胞及组织进行识别和诊断的分析技术,逐渐成为了医学影像诊断领域的热门研究方向。卷积神经网络（Convolutional Neural Network,CNN）作为一种高效的深度学习算法,广泛应用于医学影像诊断领域。但由于CNN模型在训练前需要初始化参数,因此当初始参数选择不恰当时会带来各种问题。首先,对于CNN模型的初始权重,传统的方法是采用随机初始化,这样会
工业视觉是智能制造的重要支撑,尤其是在自动化生产线中,工业视觉具备客观性、精确性、灵活性等优势。在自动化生产线中,与运动控制环节相比,输入的图像流会对视觉算法的时间造成波动,从而无法精准控制生产节拍。例如在印制电路板生产线上,由于裸板缺陷检测的时间难以掌控,只能给每一块裸板预留相同的上限时间,降低了生产线的时间效率。针对这一问题,本文围绕自动光学检测平台展开研究,以自动光学检测平台大量的视觉代码块
视觉系统是一个复杂的信息处理系统,它的资源十分有限,这就决定了视觉注意在同一时刻只能选择性地加工外界环境中很少一部分的信息,因此需要一种有效的机制从信息冗余的外界环境中精准地找到目标刺激,以提高认知加工的效率。其中,视觉注意的控制机制在这一过程中发挥了不可忽视的作用。本研究想要探索的是视觉工作记忆对视觉注意的引导作用,这是研究者们近期提出的一种自上而下的视觉注意控制机制。有许多研究者认为视觉注意可
职业生涯规划包括了对职业的定位,人生目标的设定以及如何实现自己目标的道路,是对人生道路进行整体性规划的过程。职业定位作为职业生涯规划的起点,对职业生涯规划起到至关重要的作用。然而,不知道自己适合什么职业是大多数人所面临的一个问题。目前现有的职业推荐方法,大多存在大众化、片面化的问题,并没有结合用户本身特点,来进行合理有效的个性化推荐。因此,从分析用户特征开始,提出了一种融合多种测评结果的多模型用户
时序行为检测旨在检测视频中的行为,不仅需要精确定位行为的起止点,还要为其预测正确的类别。时序行为检测任务是高层自动视频内容理解任务的基础,具有重要的学术研究意义以及应用价值。目前,时序行为检测任务的难点主要体现在三个方面:（1）大部分研究工作采用基于锚框的检测方法,通过预定义锚框覆盖可能包含行为的区域,存在计算量大且不灵活的问题;（2）时序信息在视频行为检测中非常重要,但传统的卷积形式并不能充分捕
近年来,受益于算法、硬件算力和数据集的高速发展,深度学习得到了广泛应用。但随着应用增多和数据量的增长,深度神经网络越来越复杂,参数规模从万级增加到亿级。单设备计算能力和存储能力有限,无法应对在大数据集上训练大模型。因此采用跨设备分布式并行技术将大模型切分为多个子模型,并将多个子模型分配到不同设备并行执行,已成为处理大模型的主流方法。现有的深度学习分布式并行策略主要基于专家经验设计,当模型、算法或集
目的 观察不同病因所致急性颅内大血管闭塞缺血性卒中患者血栓的病理学特征。方法 前瞻性收集单中心2018年12月至2021年2月收治的行血管内治疗（endovascular treatment, EVT）的急性缺血性卒中患者颅内血栓标本及临床资料。采用HE染色对比血栓病理形态特征，用病理图像分析软件行定量分析。结果 共纳入99例患者，按照改良TOAST（trial of Org 10 172 in