多调制指数CPM信号的新分解方式及其准相干解调

针对卫星通信等资源受限的无线通信系统,研究了多调制指数连续相位调制(Multi-h continuous phase modulation, Multi-h CPM)信号的调制与解调相关问题。首先提出了一种新的分解方式来简化Multi-h CPM信号的调制过程,并给出了相应的周期性状态网格图。然后根据新的分解方式设计了一种适用于Multi-h CPM信号的导频辅助准相干解调算法,并从功率谱和误码性能两方面对所设计的Multi-h CPM信号和单调制指数CPM(Single-h CPM)信号进行了评估与比较。仿真结果表明:无论采用何种频率脉冲, Multi-h CPM信号都要比Single-h CPM信号具有更加光滑的功率谱曲线;仅两个导频符号辅助下,未编码Multi-h CPM系统较未编码Single-h CPM系统有将近2 dB的性能增益,且在低信噪比下,编码Multi-h CPM系统性能要比编码Single-h CPM系统好0.1~0.25 dB。     

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。     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

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。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

栎树猝死病在中国的入侵风险评估

【目的】栎树猝死病是一种为害林木和观赏植物的毁灭性病害,发病迅速,短期内即可造成寄主植物大量死亡,寄主范围非常广泛,主要为害阔叶树树种。对其在我国的适生区范围进行预测,并系统评估其入侵风险,有助于更好地制定针对性的防治及检疫措施。【方法】采用MaxEnt生态位模型,以栎树猝死病菌现有分布点的环境变量为基础运算预测模型,结合地理信息系统ArcGIS绘制其在中国的适生预测图;并以南京林业大学有害生物入侵预防与控制重点实验室建立的多指标综合评价体系为标准,从5个准则层下设18个指标层因子,对栎树猝死病菌在我国的入侵风险进行了定性和定量的分析。【结果】MaxEnt模型测试遗漏率与预测遗漏率基本吻合,ROC(receiver operating characteristic, ROC)曲线的AUC值(area under curver, AUC)为0.974,标准差为0.008,明显高于随机分布模型,说明该模型对栎树猝死病菌在我国的适生区预测结果可信度较高,可作为后续评估依据。栎树猝死病菌在中国的适生范围在101.9°~122.9° E,18.9°~38.0° N,主要位于我国秦岭淮河以南的南方地区,集中在长江中下游平原和武夷山脉、南岭以南的沿海地区,约占中国行政区划面积的19.6%。栎树猝死病菌在中国的入侵风险指标值R为2.64,属于极高风险的有害生物。【结论】模型预测结果的可信度较高,鉴于栎树猝死病菌在我国暂无分布记录,且在多指标评价体系中被归为极高风险等级,建议在进境检疫中对其可能寄主植物实施严格检疫及2年以上的隔离试种,防止其进入中国。     

基于博弈和多智能体的汽车共享服务联盟协同策略研究

基于演化博弈和多智能体仿真，以加强联盟管理、提升联盟服务商合作积极性为目标，研究汽车共享服务联盟协同策略.从演化博弈视角设计综合考虑服务商自身与联盟内其他成员历史信息的学习规则，构建汽车共享服务联盟的多Agent仿真模型，研究收益、成本及惩罚等不同参数设置对服务商协同策略的影响.依据仿真实验结果提出了不同收益、成本和惩罚参数场景下加强联盟合作的策略，为汽车共享服务联盟的协同策略提供决策支持.     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。