《中国科学技术大学学报》2014年第44卷 总目次

正~~     

航空消防大飞机灭火任务顶层指标分解分配方法及应用

投放有效利用率、投放均匀度等是评估航空消防大飞机灭火任务系统性能的顶层指标。该文建立了航空消防大飞机灭火任务顶层指标半物理半经验模型，明确了顶层指标与灭火任务系统设计阶段参数(包括水箱平均排放流量、投放液体总量等),以及灭火任务规划阶段参数(包括投放液体黏度、投放液体密度、飞行速度、投放高度等)间的量化关系；以既定投放效能要求为目标，逆向应用顶层指标半物理半经验模型，提出了顶层指标分解分配方法。以某典型固定翼航空消防大飞机为例，进行灭火任务顶层指标分解分配，计算得到了应用于灭火任务系统设计阶段的“水箱舱门面积”取值范围，以及应用于灭火任务规划阶段的“灭火剂黏度”和“投放高度-飞行速度”辅助决策平面。结果表明，所提出的分解分配方法可为已有机型的迭代设计和灭火任务规划提供理论依据。     

CEEMD结合改进小波阈值的激光雷达信号去噪算法

激光雷达远距离回波信号受噪声影响, 严重失真。为了有效去除信号的噪声, 提高回波信号信噪比, 提出一种互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)结合改进小波阈值的去噪算法。CEEMD可以自适应地分解非线性和非平稳信号, 改进小波阈值函数具有高阶可导特性, 能够克服硬阈值、软阈值函数各自存在的问题。两种方法结合, 可以更有效地去除噪声。首先, 对回波信号进行CEEMD分解, 得到若干固有模态函数(intrinsic mode function, IMF)。其次, 通过相关系数法计算IMF分量与信号的相关系数, 确定相关分量和不相关分量。最后, 对不相关分量使用小波改进阈值法进行去噪, 对相关分量使用粗糙惩罚法进行平滑, 再重构信号。基于实测数据的实验结果表明, 所提算法比CEEMD去噪法和CEEMD结合原改进阈值去噪法, 信噪比分别提升了2.65 dB和0.58 dB。     

水体系结构与动力学性质理论研究

软物质物理是一个集生命科学、化学科学、材料科学与物理科学于一体的、具有高度交叉的基础研究学科，对人类社会的日常生活、工业活动及基础研究方面有着至关重要的影响.本综述主要总结了厦门大学软物质团队在软物质系统的一个重要分支——水体系的相关研究中取得的一系列重要进展，包括液滴的电浸润动力学、水结冰成核动力学及气体水合物的结构与力学特性的理论研究，为今后的研究提供了重要的数据参考与理论依据.     

基于误差修正与深度强化学习的原油期货价格预测研究

准确预测原油价格一直都是政府管理决策部门、投资主体和学术界关注的重点.然而由于货币政策、地缘政治等多样化风险因素相互作用,原油价格表现出更加复杂的非线性特征,使得原油价格预测面临着前所未有的挑战.本文以INE和WTI原油期货市场为研究对象,通过基于数据分解、强化学习集成策略和误差修正技术构建的原油价格预测模型(PVMD-QSBT-ECS)开展实证研究.首先运用自适应权重的粒子群优化算法(particle swarm optimization, PSO)优化的变分模态分解(variational mode decomposition, VMD)对原油期货价格序列进行分解;然后利用Q学习算法(Q-learning, QL)确定堆叠式长短期记忆网络(stacked bidirectional long short-term memory, SBiLSTM)、双向门控循环单元(bidirectional gated recurrent unit, BiGRU)和时域卷积网络(temporal convolutional network, TCN)的最优权重组合以构建集成预测模型,而后对预测结果...     

燃烧室流动混合过程的代理模型

为了构建适用于燃烧室冷态流动混合过程的代理模型(surrogate model,SM)的方法，该文研究了构建过程中的关键步骤，通过使用Latin超立方抽样(Latin hypercube sampling,LHS)方法进行样本选取，在完成数值模拟后使用本征正交分解提取样本间的主要特征进行降维，再通过Kriging插值法完成工况插值。结果表明：该构建方法能够处理冷态高速、高湍流度、强旋流动和燃料/空气掺混，精度高于国际平均水平。同时，该文提出了构建方法的应用准则，为后续更复杂、包含燃烧反应过程以及结构变化的燃烧室SM构建奠定基础。     

共轭梯度最小二乘法和奇异值分解法识别移动荷载对比研究

【目的】移动荷载识别（MFI）技术是通过采集桥梁动态响应来识别桥上动态车载时程的。由于车桥系统矩阵是不适定的，MFI需要求解这一典型结构动力学第二类逆问题。【方法】本研究通过对比研究共轭梯度最小二乘（CGLS）法和奇异值分解（SVD）法识别移动荷载的效果特征，总结CGLS法和SVD法识别移动荷载的适用范围。CGLS法为典型的迭代线搜索法，SVD法为直接正则化法，通过MATLAB软件数值模拟对比CGLS法与SVD法识别移动荷载的效果差异。【结果】CGLS法除上下桥时的误差较大外，其他时段具有较好的参考价值，而SVD法在仅有单车轴在桥上时误差小。【结论】CGLS法识别多轴荷载更具优势，SVD法能有效识别单轴荷载。     

基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次，利用张量填充技术对无噪协方差矩阵进行恢复。然后，利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

基于二阶统计量的小样本学习算法研究

为了提高小样本学习的准确率和抗干扰能力,提出了一种基于二阶统计量的小样本学习模型,以CNN最后一层卷积输出的一阶特征向量为输入,通过计算协方差矩阵和二阶池化获得具有较高区分度的二阶统计量,采用奇异值(SVD)分解将二阶特征映射到低维仿射子空间并据此分类.本算法在Omniglot和minilmageNet数据集上进行了测试,实验结果表明,在minilmageNet上的5-way 5-shot模型准确率达到了73.6％,比Prototypical Networks高出5.4％,在Omniglot上的20-way 1-shot模型准确率则获得了2.4％的提升,本算法性能优于Prototypical Networks等算法.在异常值测试中,本算法也展现出比Matching Networks和Prototypical Networks算法更强的鲁棒性.