一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

控制冷却对CSP低碳锰钢组织和性能的影响

利用Gleeble1500热模拟机测定了薄板坯连铸连轧EAF-CSP工艺生产的低碳含锰钢经奥氏体区二次变形后的CCT曲线.实验钢含有0.17%C,1.21%Mn和0.28%Si(质量分数).研究表明:提高热轧后的冷却速度使Ar3温度降低,导致试验钢的晶粒进一步细化;冷速大于20℃/s时,出现贝氏体和铁素体的混合组织,可降低钢的屈强比;790℃终轧,550℃卷曲时出现铁素体/珠光体带状组织,提高冷速使溶质(如Mn和C)富集区在形成珠光体之前完成奥氏体-铁素体相变是避免生成铁素体/珠光体带状组织的有效方法.     

基于马尔可夫链和模糊聚类的电力系统短期负荷预测

提出一种马尔可夫链和模糊聚类相结合的预测方法,针对时间序列中出现的各种随机现象,分别建立数学模型.对样本所属状态采用模糊划分,使分类更符合实际情况;利用马尔可夫链对研究对象做状态分析,根据状态转移进行预测.该方法在电力系统负荷预测中使用,提高了算法的全局最优性能.在时间序列呈现较强的随机性时,本算法具有明显的优越性.仿真结果表明,对于各种扰动因素,预测误差可控制在3.5%以内.     

连续型模糊PID复合控制器在直流位置伺服系统中的应用

为了实现直流位置伺服系统的高速和高精度位置控制,针对实际伺服系统中存在的非线性、强耦合等各种不确定因素,提出了一种连续型模糊控制算法,以抑制各种非线性因素对被控对象的影响,同时引入传统的PID控制器,进一步改善了系统的稳态性能.通过实际运用表明,该连续型模糊PID复合控制器可以明显地提高直流位置伺服系统的动态性能和稳态精度,同时系统具有较强的适应性和鲁棒性.     

RED算法的分析及其在FPGA中的实现

拥塞检测与拥塞避免算法是实现IP网络QoS的重要措施之一.随机早检测算法通过计算TCP流的平均队列长度,进行适当的概率丢弃分组,从而有效地避免了由TCP流导致的网络拥塞.该算法因其具有较低的时延、较高的吞吐量和较好的公平性而被广泛采用.首先详细阐述了RED算法的基本原理,通过对算法的理解和分析,提出了一种有效的和可行的FPGA实现方案,该方案在遵循算法原理本身的同时,以相对较少的硬件资源和快速性实现了RED算法.     

矿山地理网络模型及算法

针对传统地理网络分析方法解决矿山生产系统中相关网络问题存在的缺陷,提出了矿山三维地理网络模型建立方法,在系统分析的基础上定义了模型构成要素,设计了符合矿山生产系统特点的链-边-节点联合结构的网络模型数据结构.基于链-边-节点联合结构的网络模型数据结构,提出了网络最短路径的改进算法.     

一种新型的光网资源动态配置模型

在综合考虑了光信号传输损伤和业务分级等因素对WDM网络光层实现资源动态配置影响的基础上, 提出了一种新型光网资源动态配置模型. 这种资源配置模型把光路连接请求优先级映射为不同的传输损伤阈值, 定义了统一的候选虚波长通道(VWP)评价方法. 针对动态业务流量、多优先级条件下波长路由光网中的RWA问题, 给出了改进的首选波长集算法(A-PWS)和启发式的动态最小代价路由及最佳虚波长通道算法(DMC-OVWP). 在收到光路连接请求时, 应用DMC-OVWP算得多条候选VWP, 然后结合传输损伤分析对候选VWP进行评价, 从中选出与该请求的优先级相匹配的VWP并建立光路.     

基于Rijndael算法的IC卡医保系统设计

介绍了Rijndael算法的设计原理、实现方法、目前存在的攻击方法，以及Rijndael算法在医保系统中的具体实现，分析了指纹IC卡的特点，提出了基于Rijndael算法的IC卡医保系统的设计原则和安全措施，还讨论了指纹识别技术在IC卡医保系统中的应用。     

基于混沌映射的信息摘要算法

利用混沌系统对初始条件和混沌参数非常敏感以及产生的混沌序列具有随机性与不可预测的特性，提出一种构建在Logistic映射上的信息摘要算法，通过将原始明文信息块作为混沌映射的初始值，经过混沌系统的遮代得到系统的输出来构建原始明文的信息摘要，利用Java的BigDecimal类进行了算法的实现，运行结果表明该算法性能良好。     

模糊超球神经网络的条件重叠学习算法

模糊超球神经网络的聚类学习算法采用形状因子θ实行有指导的学习.针对θ的引入所带来的问题,提出一种新的无指导学习算法--条件重叠学习算法.算法不受模糊超球形状因子θ的影响,学习速度快,学习后的模糊超球个数更少,识别正确率更高.