创新回报不确定性下的新技术采纳研究

考虑到企业在采纳新技术过程中的技术溢出以及新技术创新回报的不确定性,建立生产有差异化产品企业的两阶段博弈模型,以企业采纳时间为分界点分别得出在古诺竞争和伯特兰德竞争两种市场下各个阶段的期望均衡利润,进而对技术创新回报不确定性、企业的最优采纳时间、期望社会福利最大时的企业最优社会采纳时间进行了分析,结果表明,随着创新回报不确定性的增加,先采纳新技术企业的期望利润增加更多;企业间产品差异较大时,领先企业在古诺竞争下的最优采纳时间要比伯特兰德竞争下的最优采纳时间要早;企业间产品差异较小时,领先企业在古诺竞争下的最优采纳时间要晚于伯特兰德竞争下的最优采纳时间.跟随企业在古诺竞争下的最优采纳时间始终早于伯特兰德竞争下的最优采纳时间.     

直播平台打赏收入分成模式研究

针对目前我国多数直播平台盈利能力不足的问题,本文从直播平台打赏收入的分成模式入手,以委托代理模型为基础,对不签约模式和签约模式下直播平台对打赏收入的最优抽成比例进行研究,同时对比分析了两种模式下直播平台在抽成比例与盈利能力等方面的不同,尝试从激励机制角度解释我国直播平台盈利能力不足的原因,并提出可行的解决方案,为我国直播行业的发展提供借鉴和参考.研究结果表明,签约主播比例与直播平台基础规模不匹配,以及直播平台以高额签约费吸引核心流量主播的签约策略不恰当,可能是导致直播平台盈利能力不足的两个原因.     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle，UAV）对目标捕获能力，进而提高多UAV协同搜索效率，提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm，ICEGA）的多UAV协同目标搜索方法。首先，根据环境的先验信息，在原概率图基础上引入标志位，建立基于双属性矩阵的待搜索环境概率模型，提高环境和目标的信息感知准确度；其次，定义UAV的飞行规则并结合目标先验概率图信息，建立UAV运动模型及确定最大收益的目标函数；最后，建立分布式UAV之间的信息交互模型，运用ICEGA算法优化产生最优协同决策输入航向角集合，在线实时滚动优化产生最优协同路径。实验结果表明，基于双属性概率图结合ICEGA算法更能够保证最优路径的产生，使得UAV能够准确地搜索到目标；同时，对比仿真验证了ICEGA算法能够提高UAV之间的协同性，保证了路径可行性及提高了目标搜索效率。     

考虑关键性的多约束下辐射干扰对消装备随舰备件配置优化方法

可用度是评估备件对装备完好性影响的重要指标,针对备件关键性对装备可用性造成影响而又难以将其考虑在内建立可用度模型的问题,以舰载通信电台辐射干扰对消装备为对象,采用对备件关键性实行专家打分的方法,将备件关键性作为备件配置优化的约束之一,建立以备件费用、备件体积、备件关键性为约束的备件配置优化模型。在备件费用、体积及关键性归一化的基础上,采用权重因子方法将多约束转化为单一约束,并给出了权重因子更新方法。列举案例,分别计算了费用约束、体积约束、关键性约束和多约束下的备件方案,并对比了装备改进前后的备件配置方案,将装备使用过程中的备件保障延伸至装备可靠性设计阶段。案例分析结果表明:备件配置方法在考虑了体积、费用等限制约束下,能同时兼顾备件关键性对装备完好性的影响;装备可靠性设计时,提高装备可靠性低的现场可更换单元(line replaceable unit, LRU)等薄弱点,能有效减少装备维修保障资源。     

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。     

地形遮挡对GNSS干扰范围影响的高效仿真算法

在卫星导航对抗效能的仿真中,真实地理环境的地形遮挡对全球导航卫星系统(global navigtion satellite system, GNSS)干扰源干扰范围影响的仿真计算是个重要问题。通常情况下,地形遮挡对GNSS干扰范围影响的计算通过基于视线可视域分析的算法得到,但该方法存在大量冗余计算。为了减少计算量,提出一种基于参考面可视域分析的GNSS干扰范围高效仿真计算方法,利用干扰源与目标点附近可视高程值对应的辅助格网点建立参考面,通过目标点实际高程值与参考面映射高程值判断目标点的受干扰情况,避免了目标点与干扰源视线方向上多个采样点的插值计算。仿真分析表明,当待分析区域半径约为145 290 m时,该算法与传统基于视线可视域分析的GNSS干扰范围仿真计算方法相比, Matlab耗时大幅减少了97.38%,但结果差异并不明显，仅为0.94%。因此,所提方法可以高效、准确地计算出地形影响下GNSS干扰范围,为干扰源优化部署、战场环境仿真分析等提供理论指导。     

Compressive sensing based multiuser detector for massive MBM MIMO uplink

Media based modulation(MBM)is expected to be a prominent modulation scheme,which has access to the high data rate by using radio frequency(RF)mirrors and fewer transmit antennas.Associated with multiuser multiple input multiple output(MIMO),the MBM scheme achieves better performance than other conventional multiuser MIMO schemes.In this paper,the massive MIMO uplink is considered and a conjunctive MBM transmission scheme for each user is employed.This conjunctive MBM transmission scheme gathers aggregate MBM signals in multiple continuous time slots,which exploits the structured sparsity of these aggregate MBM signals.Under this kind of scenario,a multiuser detector with low complexity based on the compressive sensing(CS)theory to gain better detection performance is proposed.This detector is developed from the greedy sparse recovery technique compressive sampling matching pursuit(CoSaMP)and exploits not only the inherently distributed sparsity of MBM signals but also the structured sparsity of multiple aggregate MBM signals.By exploiting these sparsity,the proposed CoSaMP based multiuser detector achieves reliable detection with low complexity.Simulation results demonstrate that the proposed CoSaMP based multiuser detector achieves better detection performance compared with the conventional methods.     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

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。