单步延迟无序量测滤波算法的最优性分析

不同的通信时间延迟和量测预处理时间，导致在实际的集中式多传感器融合跟踪系统中，常会出现多传感器量测数据不能按正常时序到达中心处理器的无序量测（OOSM）现象，中心处理器处理这类无序量测数据时将遇到负时间更新问题．针对单步延迟无序量测更新问题，从理论上分析了Bar-Shalom提出的A1算法的最优性，指出其最优性与过程噪声的离散化模型有关，证明A1算法在过程噪声直接离散化模型（DDM）下不是最优的，它仅是过程噪声连续离散化模型（DCM）下的最优滤波算法．提出了DDM条件下的一种改进算法，它能获得比A1算法更高的无序量测滤波精度．提出了一种与过程噪声离散化模型无关的最优无序量测滤波算法，此算法在两种过程噪声离散化模型下都能达到有序量测处理时的滤波精度．对两个新算法的滤波性能进行了理论分析，采用Monte Carlo计算机仿真实验比较了新算法和有序量测处理时的滤波结果，验证了新算法的有效性．     

分布式环境中服务组合的迭代选择算法

在面向服务的体系结构（service oriented architecture，SOA）中，服务组合是一种极有前景的创建新服务的方式．然而，服务组合技术尚有一些瓶颈在阻碍着其广泛运用．组合服务提供商面临的一个难题是如何跨越多个不同的自治网络和商业域选择一组服务实例来实现组合服务，并且向用户提供端到端的服务质量（quality of service，QoS）保障．文中提出一种迭代选择算法用于质量驱动的服务组合．该算法运行于一个P2P（peer-to-peer）的服务执行环境——分布式智能服务执行（distributed intelligent serviceexecution，DISE）环境．该迭代选择算法最显著的特点是既可以运行于中心式的QoS注册系统，也可以运行于分布式的QoS注册系统．在文中的QoS模型中，网络状态作为可选项在选择算法中考虑．由于该算法按照组合服务逻辑执行顺序迭代的选择服务，所以该算法可以在组合服务执行之前或者组合服务运行时执行，不需要作任何更改．在分布式服务执行环境上的一系列实验表明，文中提出的算法可以提供极好的选择结果，并且具有很好的性能．     

移动机器人软故障检测与补偿的自适应粒子滤波算法

软故障泛指系统性能偏离正常水平。软故障补偿对于移动机器人定位、建图、导航以及安全至关重要。机器人是计算和存储资源受限的高度非线性、非Gauss系统，使得软故障诊断与补偿具有很大难度。文中提出一种自适应粒子滤波器算法，利用激光雷达测量信息对两类软故障（航迹推算传感器故障以及车轮被卡或打滑异常）进行补偿。首先分析了移动机器人系统的运动学模型、测量模型以及故障模型，提取了5个残差特征，故障检测通过残差特征超过给定的阈值实时地获得。其次，设计一个自适应粒子滤波器用于故障补偿，自适应体现在相互联系的两个方面：（1）根据残差特征自适应地调整线速度和偏航率的噪声方差；（2）在重采样阶段抽取粒子数目不同的两个粒子集（代表同一分布的两种近似），根据两个近似分布的Kullback-Leibler（KL）距离自适应地调整粒子数目。若KL距离较大，则增加粒子数目，反之则减少粒子数目。从理论上证明了算法的正确性，并通过故障情形下移动机器人位姿跟踪问题验证了算法的效率与精度。     

P_MOEA：一种多目标决策辅助遗传算法用于服务组合QoS优化

在服务组合场景下，SLA约束下的服务组合优选是实现服务质量管理的重要基础之一．服务组合优选既是一个组合优化问题同时也是多目标决策问题，需要高效的算法以支持大规模的候选组合方案集合，同时也需要有效的评价模型来明确定义候选方案的优劣程度，从而为决策者提供支持．现有的服务组合优选方法多基于两种模型定义其优化目标：线性效用函数和Pareto最优．前者需要量化权重配置以定义效用函数，但是对于用户来说精确的量化权重配置是一个非常困难的任务，特别是在涉及到的QoS维度较多时；后者无需权重配置，将Pareto最优的skyline集合作为优化结果返回给用户，然而skyline集合的规模是不可控的，最优结果集的规模会随着问题的规模增大而显著增大，过大的最优结果集显然难以为决策者提供有效参考，针对上述传统方法的不足，在本文中，我们将PROMETHEE方法弓I入服务组合优选问题，结合Pareto和PROMETHEE两种评价模型，将skyline集合基础上的Top—kPROMETHEE最优方案作为优化目标，提出并实现了一个高效的遗传算法：P—MOEA．算法可以针对大规模问题，高效地返回Top—kPROMETHEE最优组合方案集合，从而为进一步的决策提供有效的参考．我们实验验证了算法的效率和有效性．     

带信息反馈的凝聚层次聚类算法

本文针对传统的基于相似性的层次聚类算法存在的两个问题(相似性度量中方向信息的丢失和算法的适应能力弱)提出了一种带有信息反馈的凝聚层次聚类算法.首先将无法预知的复杂数据结构描述成3个基本的结构特征单元,并对其进行建模构建一种相似性度量定义的泛型和一种凝聚的层次聚类算法.在凝聚的层次聚类算法中加入类信息的反馈机制,并在不同阶段对相似性定义的泛型进行具体化,充分利用数据点对之间的方向信息和距离信息进行聚类.该聚类算法主要有两大优势:(i)算法的适应能力较强,不需要假设的前提下可以处理无法预知的复杂数据结构;(ii)算法对噪声具有较强的鲁棒性,在不需要对数据集进行预处理的情况下能够在聚类的过程中识别噪声点或者噪声类.从人工数据和真实数据的试验结果可以看出新算法的优越性能.     

基于BIST的板级数模混合电路的可测性研究

本文通过对电路板可测性设计技术的广泛研究，提出基于板级BIST技术的可测性设计方法，在此基础上设计和研制了具有可测性的板级数模混合电路验证样机。该样机采用分块监测，逐级诊断的故障诊断策略，采用模块和元件两级故障定位方法，验证平台的测试实验表明分级监测的可行性，指明了可测性设计和内建自测试技术的研究新思路。     

实时视频检测系统中背景更新及复杂目标定位算法

本文提出了针对固定背景帧差法的背景更新算法和多目标定位算法。在背景更新中，通过建立目标、噪声矩阵来保存图像的特征信息，利用分类的思想优化更新策略，基于像素对背景进行更新；在目标定位中，提出了基于目标对角线的连通判断模板，该模板不断生长进而检测目标的中心点和体积，可实现实时场景中多目标和形态差异目标的定位：户外实验证明了算法的健壮性和鲁棒性，可以实现背景更新和复杂目标识别．     

计算网格环境下基于多址协同的作业级任务调度算法

计算网格下多管理域机群互连为作业级任务协同调度创造了机遇，同时在协同性、异构适应性、网络适应性和算法可扩展性方面对传统的作业调度模型与算法提出了新的挑战．通过引入网格环境下作业级多址任务调度模型与性能模型，提出多址任务协同调度算法框架．以最优和贪心资源选择策略为核心，提出两种作业级多址协同调度算法．同Sabin与Yahyapour等人提出的单址与多址协同算法进行实验对比，验证了调度模型与算法的有效性与先进性．     

物联网服务建模：一种基于环境建模的方法

物联网服务是传统Web服务通过传感器网络向物理环境的延伸,它通过传感器网络感知物理环境中的实体,也向物理环境实体施加作用.与传统Web服务相比,由于物联网服务受到所依赖的物理环境的时间受限性、资源受限性和设备潜在故障概率的影响,物联网服务的响应速度、服务能耗和容错能力等特性成为影响物联网系统整体特性的重要因素.因此,对物联网服务进行全面建模,对物联网服务所处的外部环境进行形式化描述,并结合物理环境模型对物联网服务的性质进行分析,对于确保物联网系统的正确性、稳定性非常必要.本文针对物联网服务的特点,结合基于环境建模的需求工程思想,提出一种基于环境的物联网服务三元问题域建模框架,给出了物联网服务建模本体以及相应的建模原则.在此基础上,提出了一种物联网服务行为建模方法,该方法将物联网服务和物理环境建模为概率时间自动机,将用户期望的服务特性描述为时序逻辑公式,为物联网服务功能行为正确性验证和非功能性约束可满足性验证奠定了基础.     

OFDM无线通信系统的时间和频率同步误差分析

由于无线信道的时变性、频率选择性、加性噪声以及发送和接收端晶体振荡器频率非一致性的影响，实际的OFDM系统中总存在时间和频率同步误差．定义了归一化干扰功率(NIP)来研究这两种误差对系统性能的影响．在此基础上，我们首先推导出：(1)由时间误差产生的NIP公式和它的两个上界；(2)由频率同步误差产生的NIP公式和它的两个上界，这两个界比Moose上界更逼近实际NIP值．然后，通过在典型短波和中波信道的仿真进一步验证了这些界的有效性和正确性．这些界有助于通信工程师在实际应用中在给定NIP值的条件下选择满足系统要求的时间和频率同步算法．同时，还提出一种新的方法以减少OFDM系统对时间同步算法的精度要求，该算法能实现时间同步精度和频谱利用率的有效平衡．     

基于价格协调的供需链宏观水平调度问题

供需链作为整体参与市场竞争要求企业能够相互协调，以达到全局优化．研究了一种针对按订单生产的汇集型供需链的协调优化方案，提出了组合订单竞争策略，建立了宏观水平调度模型．该方案通过松弛企业之间的交货期约束把供需链按企业分解为独立的子问题，从而可以使企业在协调中心的指导下，按照局部信息进行分布式决策，从而对试探订单进行分配，对合同订单进行调度．方案中对偶问题的优化是关键的理论技术，定义了广义对偶函数和广义代理次梯度，提出了一种不依赖于任何先验知识的变直径广义代理次梯度投影算法，并给出了算法的收敛性和收敛效率的证明．仿真算例结果表明，价格实现了收敛，订单分配和优化是合理的．     

企业知识管理的多阶段优化模型研究

为成功实践企业知识管理，在知识管理优化模型构建及分析的基础上，指出了企业知识管理决策选择的重要性，解析了影响企业知识管理决策选择的相关因素，并对其进行了研究，进而从知识管理战略和知识型员工的管理两方面提出了相应的知识管理方案。     

车联网环境下基于MAS的行车主动服务模型

针对当前"请求-响应"被动式行车服务存在的个性化、人性化、实时性等不足,提出了基于多智能体(multi-agent system,MAS)分层集中控制的"自动识别-主动推送"形式的行车主动服务系统(driving active service system,DASS).DASS将行车环境实体与服务作为建模对象,提出基于规划图的行车服务需求模型及用户需求与服务能力匹配算法.以交通安全预警和实时动态路径规划为例,通过自主搭建的驾驶员在环半实物联合仿真平台对DASS典型应用展开实验研究,充分验证了DASS的实时性、主动性与高效性.这对于降低交通拥堵、提升通行效率,加强车辆安全以及改善驾驶体验具有重要价值.     

需求驱动的Web服务建模及其验证:一个基于本体的方法

从Web服务所交互的环境角度出发，提出了基于环境本体的Web服务能力描述框架，从Web服务操作的环境以及操作导致的环境变化两个方面刻画Web服务的能力，并由此建立了需求驱动的Web服务组合模型．同时提出用π演算的进程表达式表示Web服务的行为语义，并建立了从Web服务概念化的能力表示到形式化的进程表示的自动转换机制，在此基础上给出Web服务组合的可行性验证算法及需求可满足性的验证方法．经过验证的Web服务组合模型可以作为备选执行方案之一反馈给需求提出者．     

面向多租户Web应用的性能隔离方法

提出一种面向应用级共享的多租户Web应用性能隔离方法．首先建立基于事务处理链的应用级资源管理模型，基于信号量机制给出了模型的并发控制算法，支持事务级、分阶段的多租户Web应用资源管理，并在一次事务处理的各阶段实现线程复用，避免因修改交互协议而产生的再工程代价．基于上述工作，给出多租户性能隔离算法及策略，并利用TPC—W电子商务应用验证方法的系统开销及有效性．实验结果表明，该方法可以有效降低租户资源侵占行为的影响，并避免系统过载．     

基于干扰动态性建模的MHWN多路径路由协议

作为无线网络实现普适性的有效架构，多跳无线网络（MHWN）逐渐成为一个研究热点．但MHWN固有的媒质开放性、多跳性，干扰威胁也更加严峻．如何实现干扰条件下的可靠组网，成为MHWN研究的棘手课题．传统的方法多是基于干扰存在二元性来实现路由的优化选择，但这忽略了实际无线网络中，干扰往往是动态的．为此，本文提出了一种基于干扰动态性建模并融合多路径的路由算法．协议通过网络干扰动态性检测，利用干扰活跃度值获取遭受干扰最小路径，从而可有效提高网络抗干扰能力并极大降低源重路由次数．文中对协议的实现方法给出了详细的阐述，并基于网络仿真软件NS2对协议进行了较全面仿真比较，结果表明该方法相比已有协议不仅具有更好的路由抗干扰性能，同时在多业务流的冲突碰撞中也有很好路由优化能力．     

基于S1／2建模的稳健稀疏-低秩矩阵分解

为实现稳健的稀疏-低秩矩阵分解，本文首次引入矩阵的S1／2范数以诱导矩阵的低秩性来构建新模型，并在ADMM算法框架下设计了高效的交替阈值迭代算法．该算法采用增广Lagrange乘子技术，在迭代过程中交替更新低秩矩阵和稀疏矩阵．由于这两个矩阵的最优更新具有显式形式、算法整体的计算精度和时间代价得以控制．大量的数值模拟实验说明：相较于目前最好的不精确ALM算法，交替闽值迭代算法的迭代次数与时间代价大幅降低，对噪声更为稳健，分解出的低秩矩阵的秩与稀疏矩阵的稀疏度更接近于真实值．在对监控视频进行背景建模这一实际问题中，交替闽值迭代算法得到的背景矩阵更为低秩，更符合问题先验，且时间代价相较于不精确ALM算法降幅高达一个数量级，这说明新模型与算法能有效解决相关实际问题．     

基于密集采样成像算法的全芯片可制造性检查技术

分辨率增强技术(Resolution Enhancement Technology，RET)在集成电路制造中的应用使得光刻用掩模图形日趋复杂，而掩模制造成本和制备时间也随之增加．由于光刻工艺包含了一系列复杂的物理和化学过程，分辨率增强技术本身很难保证其输出结果的正确性，因此在制造之前，利用计算机对已经过处理的版图作可制造性验证变得十分必要．文中介绍了光刻建模、成像模拟和问题区域查找的算法，回顾和比较了当今流行的post-RET验证方法，并阐述了基于密集采样成像算法(Dense Silicon Imaging，DSI)的可制造性验证的必要性．并在密集采样成像算法的各个关键步骤提出了新的加速算法．在新算法的帮助之下，以往由于计算量太大而被认为不实用的基于密集采样成像的可制造性检查得到了实现．文章的最后部分给出了密集采样成像算法在实际中应用的例子和实验结果．     

网格服务链模型的验证分析技术及应用

确保网格应用中大规模资源共享和复杂任务处理的正确性与可靠性是一项重要的工作．文中从形式化方法的角度出发，提出了基于状态Pi演算的网格服务链模型作为对网格中服务协作与组合进行建模和分析的理论工具．其中，状态Pi演算针对Web服务资源框架（WSRF）的思想，协调了系统状态与行为间的关系，扩展了Pi演算对系统状态的全生命周期管理能力．在此基础上，进一步结合了模型验证技术对网格服务链进行设计和运行时的逻辑性质分析．通过材料形变与断裂过程动态分析的网格应用案例，展示了采用上述方法对网格应用进行需求验证和可靠性分析的有效性．     

基于最大方差展开的非线性信号降噪方法及其在故障诊断中的应用

将流形学习的思想引入信号降噪中,提出了一种新的基于最大方差展开（maximum variance unfolding,MVU）的非线性信号降噪方法.该方法首先基于相空间重构理论将含噪信号重构到高维相空间,再采用流形学习理论中的MVU算法对相空间数据进行非线性降维,将蕴含在相空间中代表吸引子的低维流形与噪声子空间分离,然后对低维流形进行逆重构,从而得到降噪后的信号.对加噪的Lorenz信号的仿真结果表明,该方法的降噪性能要优于基于KPCA的非线性降噪方法,且具有参数估计简单、参数影响不大等优点.最后将该降噪方法应用于带有轻碰磨故障的航空发动机转子―机匣系统振动信号,有效地提取出了淹没在噪声中的轻碰磨故障特征.