基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

基于粒子群优化的圆阵列波束形成方法

围绕均匀圆阵列(uniform circular array, UCA)在波束形成中存在的波束主瓣宽、旁瓣电平高的问题,提出了一种基于粒子群优化(particle swarm optimization, PSO)算法的圆阵列波束形成方法。通过对UCA的输出信号进行模式空间变换,将UCA数据转换为虚拟均匀线阵数据形式。利用PSO算法充分挖掘均匀线阵各阵元间数据信息,进行阵元拓展,从而实现阵列阵元数及孔径尺度的增加,实现降低阵列波束主瓣宽度及旁瓣电平的目的。实验结果表明,在适当增加计算复杂度的前提下,利用PSO算法对阵列进行阵元拓展可以显著地提高波束形成质量,且适用于自适应波束形成。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

基于关键链和混合优化算法的舰船多项目并行建造进度管理方法

针对舰船多资源约束、多项目并行建造条件下进度优化与管理能力的不足,提出了一套进度管理方法。首先,基于关键链理论给出了多资源约束下舰船多项目并行建造进度管理步骤。其次,构建了舰船多项目并行建造进度优化模型,可实现在优化并行项目总工期的过程中通过合理分配各种资源获取最佳项目实施组合。最后,设计了适合于舰船建造等大型复杂工程项目求解的混合优化算法,并通过算例验证了方法的实用性。     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。     

多调制指数CPM信号的新分解方式及其准相干解调

针对卫星通信等资源受限的无线通信系统,研究了多调制指数连续相位调制(Multi-h continuous phase modulation, Multi-h CPM)信号的调制与解调相关问题。首先提出了一种新的分解方式来简化Multi-h CPM信号的调制过程,并给出了相应的周期性状态网格图。然后根据新的分解方式设计了一种适用于Multi-h CPM信号的导频辅助准相干解调算法,并从功率谱和误码性能两方面对所设计的Multi-h CPM信号和单调制指数CPM(Single-h CPM)信号进行了评估与比较。仿真结果表明:无论采用何种频率脉冲, Multi-h CPM信号都要比Single-h CPM信号具有更加光滑的功率谱曲线;仅两个导频符号辅助下,未编码Multi-h CPM系统较未编码Single-h CPM系统有将近2 dB的性能增益,且在低信噪比下,编码Multi-h CPM系统性能要比编码Single-h CPM系统好0.1~0.25 dB。     

城乡结合部道路交叉口多目标信号配时优化模型

随着我国城镇化进程的加快,城乡结合部道路交通问题日益显著。为提高城乡结合部道路交叉口的交通运行效率、环境效益和交通安全,提出信号配时多目标优化方法,综合考虑延误、通行能力、停车次数、车辆尾气排放等因素构建模型,运用遗传算法进行求解。以某典型交叉口为例进行分析,给出改进设计方案并进行交通仿真评价。研究结果表明,通过多目标信号配时优化可以缓解城乡结合部道路交叉口交通拥堵和污染物排放的问题,具有较好的交通信号控制效果。     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

多精英采样与个体差分学习的分布估计算法

提出了基于多精英采样和差分搜索的分布估计算法EDA-M/D (Estimation distribution algorithm based on multiple elites sampling and individuals differential search)。EDA-M/D利用多精英个体独立采样生成子代来提升算法全局搜索能力,利用精英群体分布的σ²约束采样半径,实现种群从全局搜索逐步过度到局部搜索。当精英群体停滞时,劣势个体借助精英群体的μ和种群历史最优解进行差分搜索,帮助种群跳出局部最优解。通过多精英采样与差分搜索的自适应协同实现种群宏观信息与个体微观信息的有机融合。实验结果表明EDA-M/D在稳定性和搜索能力方面均表现出明显的优势。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。