基于跟踪信息的多帧联合检测方法

传统多帧联合检测方法针对搜索阶段进行设计, 由于无任何目标信息, 需要采用较高的检测门限以降低虚警数量。然而, 一旦成功建航, 目标存在性已确定, 可利用目标跟踪信息调整多帧联合检测策略, 以提升微弱目标检测能力。基于上述考虑, 本文提出了一种基于跟踪信息的多帧联合检测方法。首先利用当前时刻跟踪信息建立预测波门, 然后设定较低的单帧检测门限保障微弱目标信号的高概率检测, 最后在航迹恒虚警约束下调整多帧联合检测门限, 从而完成航迹维持和撤销。仿真实验表明所提方法可有效提高目标检测概率和跟踪维持概率。     

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。     

复合型固体饮料加工工艺研究

以红枣、花生、枸杞、生姜为主要原料,麦芽糊精为助干剂,通过喷雾干燥技术开发出一种复合固体饮料.通过考察热水浸提、果胶酶浸提以及超声波辅助果胶酶浸提这三种前处理方式,以及喷雾干燥中的料液比、助干剂的添加量、出风温度这三个影响因素,探讨了复合型固体饮料的加工工艺.以出粉率、喷雾干燥效果和感官分值为评定标准,最终得到最佳前处理方式为超声波辅助果胶酶浸提,且其喷雾干燥的最佳条件为料液比1:6,固形物与助干剂的比例1:1,出风温度85℃.     

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.     

基于核函数强化学习的抗干扰频点分配

针对学习未知动态的干扰图样问题，提出一种基于核函数强化学习的雷达与通信抗干扰频点协作算法。与需要获得干扰模式、参数等先验知识的研究相反，所提算法能够利用过去时隙中频点的使用情况来优化抗干扰频点分配策略。首先，通过核函数的强化学习来应对维度诅咒问题。其次，基于近似线性相关性的在线内核稀疏化方法，确保了抗干扰频点分配算法的稀疏性。最后，仿真结果验证了所提算法的有效性。得益于稀疏化码字对于系统动态特性的学习，所提算法与传统基于Q学习的抗干扰频点分配算法相比，收敛时间更短，并且可以快速规避外部未知干扰源的干扰。     

河流断面演变关键影响因子遥感统计分析与识别

选取人类活动影响较小的三江源地区,利用多源遥感数据,结合最小二乘法与模糊聚类法开展大数据统计分析,探索自然因素对河流断面形状空间变异的影响.结果表明:在所有影响因素中,流域面积是驱动河流断面形状变化最主要的影响因素,随着断面控制流域面积的增加,上游"窄-深"型河道渐变为下游"宽-浅"型河道;土壤孔隙高、粉粒含量大、断面位置坡度高、植被盖度低的地理环境更利于抛物线型河流断面的形成;断面形状拟合参数(a)、控制流域面积(S)与宽深比(RWD)的关系函数均为指数型函数(a=c1ed1s,RWD=c2ed2S).以上结论适用于受人类活动影响小、资料缺乏的山区自然河道,可准确、高效、安全地获取河流断面形状,为河流水质评价、生态流量计算、河流健康保护、水土保持措施配置研究等奠定坚实的方法和数据基础,助力我国生态文明重大方略的实施.     

融合码盘和激光雷达的里程计与建图

提出了一种用于自动驾驶汽车的低漂移、低延迟的里程计与高精度建图的算法。该方法融合了多种传感器的测量结果，包括车轮编码器、转向盘转角编码器、激光雷达及可选GPS等的测量结果。里程计算法由车轮里程计和激光里程计组成：前者基于车辆运动学模型，高频、实时估计位姿增量，用于点云去畸变和为后者优化位姿提供可用的初值；后者以较低的频率估计车辆的精确位姿变化，以补偿前者累计的误差，其核心是一种基于角度度量的两阶段特征提取方法。建图算法基于因子图，包含激光里程计因子、回环因子和可选GPS因子，通过增量平滑和建图算法优化全局轨迹，在线生成全局地图，其中GPS因子能够自动对齐GPS坐标系和里程计坐标系，逐步融合GPS测量值，解除了算法初始化过程对于GPS的依赖。所提出的方法在自动驾驶汽车平台数据集上进行了评估，并和已开源的部分相关工作进行对比，结果表明它具有更低的漂移率，在本文进行的最大规模的测试中达到了0.53%。相关代码以开源形式供交流参考（https：//github.com/Saki-Chen/W-LOAM）。     

一种改进的基于极小调节的多属性共识法则的共识模型

在群体决策中,共识达成过程通常是一个交互迭代的过程,以共识模型(或算法)形式呈现。对于多属性群体决策,基于极小调节的多属性共识法则的共识模型最近受到较多关注。本文举例说明现有共识模型因其偏好调节建议的缺陷可能导致迭代过程不能收敛(其收敛性的证明存在错误),进而提出一个改进的共识模型,并证明了模型算法的收敛性;示例说明改进的共识模型有效、适用范围更广。对于多属性群体决策问题,本文提出的偏好调节方法对今后改进其他相关的基于极小调节的共识模型(算法)和开发新的共识模型提供了参考。     

石油烃测定方法和标准使用建议

石油类中含有石油烃类物质,石油烃类物质中主要的毒性来源于多环芳烃。不同行业的国内外标准中有多种石油烃类物质的测定方法,主要包括重量法、气相法、红外法、紫外法和荧光法。不同方法各有其优缺点。全面比较了各方法的原理和应用范围,给出今后实际检测和标准修订的建议以供参考。     

液中放电沉积技术研究进展

液中放电沉积是一种新型的表面改性技术，起源于电火花加工技术，可在金属表面制备出具有高硬度、高耐磨性以及高结合力等优良性能的沉积层。此外，该技术不污染环境，有望替代部分常用但具有污染性的表面改性技术。液中放电沉积技术的核心内容为沉积层形成机制、工具电极材料以及介电流体成分。简单介绍了液中放电沉积技术的特点，重点阐述了沉积层的形成机制以及缺陷优化工艺，并从工具电极材料、介电流体成分和实际生产应用三个方面总结了液中放电沉积技术的国内外研究进展，展望了该技术的发展方向。