探索式搜索中支持多角度概念发现方法

为帮助用户在执行探索式搜索时发现领域内重要、有价值的概念, 同时了解概念所处的问题角度进而全面理解目标领域, 以建模概念的实际使用情况为基础, 分析确定概念的重要度及问题角度对概念重要度的影响, 提出了支持用户多角度概念发现方法。该方法考虑了概念的重要性及概念所处问题角度之间的交互影响, 实现了对影响概念发现两方面因素的同步分析。实验表明, 相比直接搜索, 该方法减少了48.8%的搜索交互次数, 并提升了24.3%的概念出现数量。     

基于MAPC-RISR的MIMO雷达距离——角度二维超分辨率成像算法

MIMO雷达作为一种新型的雷达体制,其成像兼具实时性和高分辨率的特点,为了充分发挥MIMO雷达在成像方面的优势,提出一种高分辨率的MIMO雷达成像算法.首先将MIMO雷达成像过程分为距离向脉冲压缩和方位向聚焦成像两个过程,采用多波形自适应脉冲压缩技术(MAPC)实现距离向脉冲压缩和发射波形分离,然后在MIMO雷达虚拟阵列端利用超分辨率空间谱估计方法(RISR)进行方位向聚焦成像,得到了观测区域的距离—角度二维高分辨率的成像结果.理论分析表明,与已有的MIMO雷达自适应成像算法相比,所提方法降低了算法复杂度,提高了运算效率.仿真实验验证了所提MIMO雷达成像算法的有效性与优越性.     

不确定整数阶和分数阶R?ssler混沌系统的自适应滑模同步

提出不确定整数阶和分数阶R?ssler混沌系统的自适应滑模同步方法,构造新型的非奇异终端滑模面,设计鲁棒滑模控制律,使具有模型不确定性和外部扰动的R?ssler混沌系统同步.从理论上证明整数阶和分数阶误差系统具有稳定性.数值仿真结果表明所提方法是有效的.     

定量相衬成像中自适应阈值翻转的相位解包裹算法

当原始相位超过周期π时，定量相衬成像中多峰相位分布与包裹相位会出现增减交替，存在多极值点.针对该问题，提出一种基于自适应阈值翻转的相位解包裹算法(SATR), 实现了定量相衬成像中的真实相位重构, 分析了相衬成像原理和自适应阈值翻转相位解包裹算法的实现过程.通过模拟验证计算，并与最小二乘法(LS)、横向剪切最小二乘法(LSBLS)以及四向横向剪切最小二乘法(FLSBLS)的结果进行对比，证明该算法的可行性与准确性.该算法在一定程度上提高了相位解包裹的精确度，为强干扰、高精度及大计算量的解包裹提供了新的思路.     

基于最大熵方法的鲁棒自适应滤波及其应用

针对过程噪声和量测噪声受到脉冲噪声影响而呈现非高斯分布,且噪声统计特性不精确从而导致估计精度下降的问题,提出一种基于最大熵方法的变分贝叶斯自适应卡尔曼滤波(maximum correntropy variational Bayes adaptive Kalman filter, MCVBAKF)算法,并将其应用于捷联惯导系统(strapdown inertial navigation system, SINS)/全球卫星定位系统(global positioning system, GPS)组合导航系统。首先,使用最大熵鲁棒滤波方法对由脉冲噪声产生的野值问题进行处理;然后,通过改进的变分贝叶斯自适应方法进行后验更新,估计噪声,收敛所估参数的估计值;最后,进行了仿真对比。结果表明, MCVBAKF在复杂环境下可以有效提升滤波精度和稳定性。     

改进的低时延全回波Q路由算法

针对传统路由算法不能适应拓扑环境及网络负载变化导致的拥塞问题,提出了一种改进的低时延全回波Q路由算法。改进算法对于原有算法附加学习率因子进行替换,使用调节范围更大、适应性更好、算法性能更稳健的双曲正割算子;改进算法根据不同网络情况自适应地调节学习率,进而提供合理的路由决策。仿真结果表明,该算法可以适应于静、动态拓扑环境,与已有的路由算法相比,改进算法能有效地减少高、低负载时数据的平均递交时间,降低路由间的振荡,提高数据包的投递率,且体现更好的稳健性。     

基于分数阶字典的间歇采样转发干扰自适应抑制算法

间歇采样转发干扰是一种对现有体制雷达具备高度威胁的新型干扰,典型样式包括间歇采样直接转发干扰、间歇采样重复转发干扰和间歇采样循环转发干扰。干扰信号与真实回波时频域、分数阶域混叠,常规信号处理方法难以做到有效分离。针对该问题,分析了3种干扰样式时域、最优分数阶域特征,构造了两种分数阶正交字典,即分数阶大字典和分数阶联合字典,区分弱干扰背景回波信号和强干扰背景回波信号,采取不同的干扰抑制方法,从而构建了基于分数阶字典的间歇采样转发干扰自适应抑制算法。仿真结果表明,所提算法适用强弱干扰背景,弱干扰背景下恢复信号与真实回波相似度更高,强干扰背景下恢复信号信噪比(signal to noise ratio, SNR)损失更低。     

通信辐射源运动轨迹相似性分析

针对传统运动轨迹相似性分析利用时空信息效率不高问题,结合通信辐射源主体特点,提出基于时空和语义信息的辐射源轨迹相似性分析算法。在该算法中,对相似运动轨迹距离测度进行改进,提出基于马氏距离的轨迹时空相似度算法,将轨迹分割后计算相似度,克服了时间不匹配轨迹和不同采样间隔对轨迹相似性判断的影响;同时,结合基于高效K近邻(K-nearest neighbor, KNN)相似搜索的语义相似数据搜索算法,实现对辐射源相似轨迹的准确判断。该算法能够准确判断相似轨迹,优于现有的相似轨迹判断方法,且适应噪声环境。仿真实验结果验证了该算法的性能。     

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。