结合伪随机特征码的多序列跳频通信方法

针对多序列跳频(multi-sequence frequency hopping, MSFH)通信系统在对偶信道存在干扰信号的情况下易引发误码的问题,提出了结合伪随机特征码的MSFH(pseudo-random feature coding MSFH, PRFC-MSFH)通信方法。在信道频率间隔内调制伪随机特征码作为信号来源的特征信息,减少对偶信道受干扰的影响,达到抗干扰目的。建立了PRFC-MSFH发射接收通信模型,根据模型推导了PRFC-MSFH在不同干扰下的误码性能。仿真结果表明, PRFC-MSFH在跟踪干扰条件下较常规跳频约有3~5 dB性能增益,在最坏多音干扰条件下较MSFH有约6~7 dB性能增益,具有较强的综合抗干扰能力。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题，本文提出一种基于概率图的作战任务智能规划方法，通过统计分析判定任务间因果关系，采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率，进而基于时间序列方法预测战场态势变化，实现辅助指挥员智能决策。最后，本文在某联合登岛案例中开展了方法验证，结果表明，所提出的方法可成功实现任务规划并具有可解释性，可实现对战场态势变化的预测和快速响应，在战场上为军队提供强有力的支持。     

10株葡萄源丝状真菌分离鉴定及其致病力分析

采用组织分离法从京郊地区腐烂的葡萄果实及葡萄叶上分离到10株丝状真菌,其中从腐烂的葡萄果实中分离到3株丝状真菌,命名为814#、815#和880#；从葡萄叶上分离到7株丝状真菌,命名为794#、797#、798#、811#、902#、903#和1397#。结合形态学特征及真菌rDNA ITS区序列分析结果,菌株814#为茎点霉(Phoma sp.),菌株815#为刺孢曲霉(Aspergillus aculeatus),菌株880#为灰葡萄孢(Botrytis cinerea),菌株794#为日本曲霉(Aspergillus japonicus),菌株797#为粉红单端孢(Trichothecium roseum),菌株798#为大蒜盲种葡萄孢(Botrytis porri), 菌株811#为果生炭疽菌(Colletotrichum fructicola),菌株902#为链格孢菌(Alternaria eichhorniae),菌株903#为芬芳镰孢菌(Fusarium redolens)和菌株1397#为脉孢菌(Neurospora terricola),其中A. aculeatus、A. japonicus、C. fructicola、A. eichhorniae、F. redolens和N. terricola未见在葡萄上分离到的报道。将10株丝状真菌分别接种到健康的葡萄、圣女果、苹果和梨果实上,B. cinerea、A. japonicus、A. aculeatus、T. roseum、B. porri、C. fructicola、A. eichhorniae和F. redolens均可使4种果实发病,其中B. cinerea、A. japonicus、B. porri和F. redolens致病力较强；而Phoma sp.和N. terricola只能使葡萄和圣女果发病。     

约束优化问题稳定序列二次规划方法研究综述

稳定序列二次规划(sSQP)方法由于在求解病态或退化约束优化问题获得理论与数值的突破性进展而备受关注,重要成果频繁问世.本文对近期国际上若干重要sSQP方法及其思想进行概述,包括罚函数型sSQP方法,滤子型sSQP方法和非精确恢复(IR)型sSQP方法等,并对约束优化问题sSQP方法的进一步研究进行探索性思考.     

氨基酸序列分析揭示苯丙氨酸/酪氨酸解氨酶在陆生植物中的演化

苯丙烷途径在陆生植物木质素和黄酮类等次生代谢产物的生物合成中至关重要，其中一步必需的反应为苯丙氨酸解氨酶(PAL)将底物苯丙氨酸脱氨催化为下游产物。最新研究发现了能够同时催化苯丙氨酸和酪氨酸脱氨的双功能酶—苯丙氨酸/酪氨酸解氨酶(PTAL),但是对诸多问题，例如怎样精准鉴定PAL和PTAL、植物PAL演化为PTAL其氨基酸序列发生了什么变异、哪些植物类群包含PTAL等，仍属未知。为了探索PAL基因家族在陆生植物中的演化及关键变异，本研究利用PAL氨基酸全长序列构建了陆生植物不同类群系统发育树，比较和分析了PAL和PTAL氨基酸序列并模拟了其蛋白质三维构象。结果表明，以PAL氨基酸序列构建的系统发育树，能够反映已知陆生植物的系统关系，PAL和PTAL的氨基酸序列中存在着8个差异位点，其中121和123这两个关键位点非常稳定，可以联合用于准确鉴定包含PAL和PTAL的植物，并且I121L和F123H的关键变异，导致只能与苯丙氨酸结合的PAL演化为也能同时结合酪氨酸的PTAL。     

基于时间序列变化的PM_(2.5)质量浓度趋势分析

PM2.5即直径小于2.5 um悬浮于空气中的可吸入颗粒物,被人体吸入后,可直达肺部干扰气体交换。文章利用PM2.5监测网每小时更新的实时数据为依据、实地考察所得的监测站地理环境、天气及其他影响因素,研究了以日、周、月为时间间隔的PM2.5质量浓度变化趋势。结果表明,PM2.5质量浓度变化趋势为冬高夏低、日变化较大、且年质量浓度呈现马鞍形双峰值趋势,是一个具有周期变化的非平稳时间序列。     

LEARNING CAUSAL GRAPHS OF NONLINEAR STRUCTURAL VECTOR AUTOREGRESSIVE MODEL USING INFORMATION THEORY CRITERIA

Detection and clarification of cause-effect relationships among variables is an important problem in time series analysis. Traditional causality inference methods have a salient limitation that the model must be linear and with Gaussian noise. Although additive model regression can effectively infer the nonlinear causal relationships of additive nonlinear time series, it suffers from the limitation that contemporaneous causal relationships of variables must be linear and not always valid to test conditional independence relations. This paper provides a nonparametric method that employs both mutual information and conditional mutual information to identify causal structure of a class of nonlinear time series models, which extends the additive nonlinear times series to nonlinear structural vector autoregressive models. An algorithm is developed to learn the contemporaneous and the lagged causal relationships of variables. Simulations demonstrate the effectiveness of the nroosed method.