欧洲颠覆性太空技术搜寻方法体系研究

 欧洲颠覆性太空技术搜寻计划因其系统化的优势而受到关注。研究了欧洲颠覆性太空技术搜寻初选、评价环节，分析了颠覆性太空技术的理论基础、基于STEP框架的评价标准和评价方法，介绍了颠覆性太空技术的技术路线图。通过对欧洲颠覆性太空技术方法体系在理论、方法、实施3个层面经验的总结，得出推动中国颠覆性技术创新的启示，即重视技术应用场景分析，建立专家履历信息平台，构建多源信息支撑体系，加强技术发展规划管理等。     

基于已实现半协方差的投资组合优化

在传统的风险度量方法中,常见的协方差估计量并未区分资产收益的下侧风险和上侧收益,而一般的下偏矩估计量则存在非对称性和难以加总的缺点.本文引入已实现半协方差矩阵(RSCOV)作为风险度量进行波动率预测和投资组合研究.本文将RSCOV应用于两种常见的风险分散投资策略—风险平价(ERC)策略和全局方差最小(GMV)策略,并将机器学习中的在线加权集成(OWE)算法用于提升已实现波动率预测方法HAR-RV的样本外预测表现.通过研究发现,相比起已有的其他风险衡量方式,仅包含负向波动信息的下半RSCOV能够更好地被用于平衡组内各资产的风险贡献.基于A股市场2011-2018年的高频数据,本文通过实证研究发现,OWE-HARRV在月度预测步长下的效果优于HAR-RV,而下半RSCOV则能够使ERC策略以及GMV策略在保证一定平均收益的同时,降低了组合收益的极端损失.     

导航信号功率增强对阵列接收机的影响分析

为了分析低轨导航增强系统中信号功率增强对阵列接收机的影响, 提出一种信号传播与阵列接收机的数学模型, 基于该模型分析了功率增强条件下最小均方误差算法与直接矩阵求逆算法对抗干扰性能的影响。根据理论分析与仿真实验, 增强信号对最小均方误差与直接矩阵求逆的影响相似, 当信号增强量在15 dB以下时, 阵列抗干扰对信号的影响较小；随着信号功率进一步增强, 增强信号被识别为干扰并进行了抑制；当信号的信噪比增强到10 dB时, 增强信号被抑制约15 dB。研究结果表明, 在采用传统阵列抗干扰方法的情况下, 信号功率的增强并非越大越好, 信号功率增强15 dB时对传统阵列抗干扰的影响较小。     

基于成像算子优化的微震逆时定位方法

针对目前微震逆时定位成像存在的问题,提出一种优化后的成像算子,对模型数据进行抗噪性、误差速度以及检波器分布和数量进行测试,并提出采用峰度值作为定位成像结果的评价标准。结果表明,优化后的成像条件在定位能量聚焦程度和成像分辨率上都得到了提升,对含速度误差和含噪微震数据都有较好的成像结果,并且对检波器的分布和数量有较好的适应性,取得了较为理想的定位效果。     

双层皮带机防雨罩流场和粉尘浓度场分析

上层运煤下层运粉煤灰的双层皮带机比常规单层皮带机高度增加，为了确定双层皮带机防雨罩的最适高度，防止在17 m/s强侧风环境下粉尘泄露污染环境，以气固两相流理论为基础，运用Fluent软件分别在有无强侧风的条件下，对双层皮带机的防雨罩内流场和粉尘浓度场的分布进行数值模拟。计算结果表明，强侧风会强化双层皮带之间形成的流动漩涡，从而可能导致粉煤灰被吹动，当侧风速度为17 m/s时不会导致形成的漩涡强度过大，粉煤灰不会被吹到罩外。有侧风时防雨罩顶部会出现非常高流速（高达55 m/s）的风，在对其进行强度设计时必须考虑由于强风冲击造成的受力。有侧风时防雨罩内粉尘浓度最大位置出现在运煤皮带和煤堆交界处，其次是运粉煤灰皮带和粉煤灰堆交界处，当侧风速度为17 m/s时，防雨罩外部空间的粉尘浓度均小于4×10^-6 kg/m³，满足《煤矿安全规程》的要求。     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰，点云密度不均匀，场景复杂多样以及物体之间存在遮挡现象等问题，使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题，提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数，利用核密度估计学习一个密度函数，对非均匀采样的点云数据进行卷积操作。同时，受深度学习在图像领域的启发，引入残差连接、空洞卷积等结构，训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。     

改进模型估计与平差的多幅异源影像匹配方法

针对多幅异源影像匹配准确性不高的问题，提出了一种改进模型估计与平差的多幅异源影像匹配方法。首先利用基于快速自适应鲁棒性尺度不变的特征检测子与鲁棒性交叠的标准特征描述子，来增强特征匹配的鲁棒性；然后提出改进的随机抽样一致性算法，来提高模型估计的执行效率，同时保证鲁棒性；最后提出针对多幅异源影像匹配的平差方法，来优化异源匹配结果。实验结果表明，在异源影像存在较大差异的情况下，改进模型估计与平差的多幅异源影像匹配方法具有精度高的优势。      

基于最小二乘法对GM(1.1)模型的研究及应用

针对提高股票未来价格的预测精度,提出区间模糊数的整体GM(1.1)预测模型.利用最优解求解定义方程,得到区间模糊数的预测公式.基于区间模糊数满意度对投资组合选择模型进行优化,得到单目标规划投资选择模型.通过实例分析,给定不同的满意度得到不同的投资组合,证明模型具有一定的柔性.     

模糊大脑情感学习的自适应噪声抵消方法

提出一种以模糊大脑情感学习(fuzzy brain emotional learning, FBEL)模型作为自适应噪声抵消器的噪声抵消方法，应用于信号处理问题。该方法通过FBEL模拟经非线性通道传输后的噪声信号，将噪声信号从含噪信号中过滤掉，达到消噪的目的；根据自适应学习算法，利用奖励信号和梯度下降法对FBEL模型的权重及参数进行在线更新，以适应噪声的变化。选取均方根误差和计算时间2个性能指标，采用自适应噪声抵消方法在不同网络中进行仿真比较，结果表明，应用该方法可以获得更好的滤波性能。