一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

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。     

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。     

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。     

实现船舶稳性的多油舱自适应调度算法及仿真

针对油舱对船舶浮态与稳性的影响，研究了保持船舶稳性的多油舱自适应调度控制算法，并用WinCC (Windows Control Center)组态软件编写了船舶自动浮态调整仿真系统。在系统架构上，采用布尔逻辑表构建了油舱、泵、管路之间的连通关系，并根据浮态方程计算出舱群之间的调驳油量，再根据多变量多约束的自适应优化调度算法实现了油舱驳油过程中浮态的平衡。仿真结果表明调度算法可以对船舶的浮态进行有效调整，并保持船舶稳性，避免了由油舱油量分布不均给船舶带来的不利影响，保障了航行安全。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

考虑产品特征属性的替代性需求预测方法

随着电商销售业务的高速发展, 对用户需求进行快速准确预测已成为重要的研究方向. 产品间的替代性对需求有一定影响作用, 且此方面的应用研究在不断深入. 为了提升需求预测精度, 基于畅销预测属性值排序, 利用邻近替代率估计方法, 并结合 Adaboost 预测模型, 构建出一种更优的考虑产品特征属性的替代性需求预测方法, 并通过实验证明该方法行之有效.     

一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.     

基于网格自适应加密技术的 GPU 高效运行实现研究

针对传统解算器未能实现 GPU 上运行网格自适应加密过程，造成 GPU 与 CPU 之间繁琐的数据交换的问题，本文发展优化了一种 GPU 加速的基于非结构自适应加密网格的解算器 VA2DG。利用加密网格表的方式实现网格自适应加密过程在 GPU 上高速运行，并通过原子操作并行生成网格加密表，对废弃的网格及时回收，节约存储空间，加快运行速度。     

基于多主体建模的社会化养老形成分析

在国家大力推进社会化养老服务体系不断发展的背景下,研究了社会化养老的形成.根据效用最大化原则,利用多主体建模方法,构建了一个包含政府、养老机构、家庭三大类主体的社会化养老仿真模型,模拟了社会化养老行为这一宏观社会经济现象的形成.仿真结果表明:就业率和工资水平对社会化养老的形成有显著影响;政府补贴对社会化养老有效需求的产生影响不显著,而对服务供给产生较大影响;而老年人的财富水平、对父母的关爱水平、对下一代资金投入和对下一代关爱水平对社会化养老的形成影响不显著.