基于多普勒小波变换的脱靶量参数提取方法

研究了脱靶量测量系统中靶弹的相对运动速度、脱靶量、脱靶时刻等参数的提取方法. 根据接收到的雷达目标回波信号的多普勒频率特性,提出用4参数基函数的时频信号表示法,从而引出多普勒小波变换的概念. 通过匹配追踪算法寻找与回波信号最匹配的基函数来确定脱靶量参数. 实验结果表明,该方法有效地估计出了脱靶量参数,且比其它方法更简单准确.     

遗传算法解TSP问题的并行实现

遗传算法是一种概率搜索算法,其本身固有并行性。目前,人们正不断地致力于把遗传算法应用于各种并行机器上。在基于工作站机群技术上,构架了一种粗粒度并行遗传算法,并在MPI并行环境下,用4台PC机测试了一个解决TSP问题的粗粒度并行遗传算法。该并行遗传算法可以更好的保护优秀个体从而提高遗传算法的收敛性。     

关于模糊工期平行机调度问题的若干结果

研究工件工期是模糊数的平行机调度问题,给出最优调度目标函数值在不同分布下该问题的4个性质,证明了Pm|di~=d~|Fmin问题是NP-难的.特别地,分析了当所有工件的dj与ej都相同时,LPT算法所得到的最小满意度相对于最优调度所对应的最小满意度的界.     

岩石温度对盘形滚刀掘进参数破岩特性的影响

为了研究在岩石温度变化条件下盘形滚刀掘进参数对破岩特性的影响,以颗粒流理论为平台,从细观角度上建立了基于岩石温度变化的盘形滚刀热力学破岩数学模型,模拟了不同工况下岩石裂纹生成、扩展和岩渣形成的全过程,并对掘进参数对破岩特性的影响规律进行了研究,从细观角度解释了不同岩石温度下滚刀的破岩机制.利用直线式TBM滚刀破岩实验台,通过实验验证在岩石温度变化条件下掘进参数对滚刀破岩的影响规律是否与数值模拟有较好的一致性.研究结果表明:1)岩石温度升高,降低了岩石硬度、强度等力学性质,破岩时裂纹数增多且微裂纹迅速扩展,降低了滚刀破岩载荷,提高了破岩效率;2)低贯入度时,岩石不容易被侵入破碎;随着岩石温度的升高,岩石越来越容易挤压破裂;随着贯入度增加,失效区域进一步扩大,破岩效率提高;3)滚刀之间的协同作用随刀间距的增加而减弱,最优刀间距随岩石温度的升高而增加,随贯入度的增大而增加;4)提高岩石温度能增强滚刀之间的协同作用,提高破岩效率.     

基于执行器能量消耗的并联机器人优化

并联机器人在执行任务过程中的能量消耗特别严重,为此本文以其3个主动执行器的电能消耗最小化为目标对3-RRR平面并联机器人进行尺度优化。在3-RRR机构运动学分析的基础上推导出机构的逆运动学方程,分析了3-RRR机构常见的4种工作模式。采用粒子群算法确定3-RRR机构的连杆和平台质量的最优值。根据优化结果进行仿真和对比分析,结果表明,在4种工作模式下,优化后执行器的力矩值均较小,消耗的电能得以降低,其中工作模式2的性能最佳,在执行相同的轨迹跟踪任务时,其执行器跟踪误差收敛较快,消耗的能量最少。     

基于遗传算法的三单播网络对齐及优化

针对三单播有向无循环网络,考虑无法得知网络内部拓扑图结构,且内部节点数量无法估量的情况.应用渐近干扰对齐技术研究各用户发送不同数据流m,n,p时的预编码矩阵,联合应用图论中的最短路径遗传算法和网络线性性质,分析其预编码网络对齐(precoding-based network alignment,PBNA)的可行性条件,该条件最终可简化为2个方程,实际检验复杂度较低,且每对单播会话能够达到1/2的自由度.     

IMM迭代无迹Kalman粒子滤波目标跟踪算法

针对传统交互式多模型(interactive multiple model,IMM)算法跟踪机动式再入目标精度差和实时性不高的问题,提出一种交互式多模型迭代无迹Kalman粒子滤波算法.该算法在多模型滤波过程中采用改进的粒子滤波算法,通过迭代无迹Kalman滤波融入最新观测信息,进而生成粒子滤波的重要性密度分布,从而提高采样质量,改善滤波算法性能.仿真结果表明,提出的算法相对于交互式多模型粒子滤波算法具有更好的跟踪效果.该算法对提高跟踪机动式再入目标的精度与实时能力具有一定的理论意义.     

塔康脉冲峰值滑动窗检测与方位包络拟合方法

针对在低信噪比情况下塔康(tactical air navigation,TACAN)峰值检测误差大、脉冲形变和易丢失等问题,提出了滑动窗方法检测塔康钟形脉冲峰值.设计了与塔康钟形脉冲匹配的滑动窗,通过多次滑动比较窗中离散点与首尾点幅值来判断脉冲到达时刻,累加离散点做归一化估计峰值,采用最小二乘算法拟合周期内各峰值点估计包络,剔除偏差包络分布较大值并重新拟合提高角度测量精度.仿真结果表明,所提方法在低信噪比情况下,能有效检测峰值和估计方位信息,估计误差小于0.5.,满足塔康系统方位误差小于2°的要求.     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

基于无标度网络的LDPC码的构造

基于无标度网络的幂律分布特性来优化不规则低密度奇偶校验(LDPC)码的变量节点和校验节点度的分布,使其具有最短的迭代译码长度。根据节点度的分布,采用渐进添边算法和短环删除算法设计出无四环的新LDPC校验矩阵。利用Matlab对所构造的SF-LDPC码进行仿真分析。结果表明,在保证误码率性能的前提下,SF-LDPC码的平均译码长度和运算复杂度得以降低。