基于OODA的红外导弹作战效能灰色评估

现代空中作战战场环境复杂,电磁干扰交织,作战流程多变,红外导弹作战效能难以研究,针对这一情况,引入OODA环理论,将复杂的作战流程抽象为简单的模块,结合AHP构建作战效能指标体系,并计算指标权重.而针对传统灰色效能评估灰数范围过大问题,引入基于端点混合可能度函数的灰色聚类理论,构建了灰色聚类评估模型,缩小了计算过程中评估灰数范围,通过算例分析,验证模型的可行性和准确性.     

基于自适应控制的超混沌同步及其仿真

通过对参数不匹配、结构不同等情况下Chen氏超混沌系统与Lü氏超混沌系统的异结构同步问题,提出了一种基于自适应控制的超混沌系统同步改进方法;并用双通道实现超混沌同步保密通信:一个通道传送超混沌系统的输出信号实现高精度同步,另一个通道传送用超混沌信号调制的信息信号.该方案利用超混沌信号进行数字信号保密传输,保密性更强;并且仅传输两路超混沌信号即可实现混沌同步和信号调制解调,信道利用率高;同时,自适应控制器设计简单,具有很强的工程应用前景.     

四足机器人匍匐姿态设计与仿真

四足机器人采用匍匐姿态前行时具有较高的运动稳定性,在高度受限或地形崎岖等特殊环境下该姿态具有重要的应用价值。通过对四足机器人的运动学建模,设计足端运动轨迹;根据仿生学原理与人类经验,将整个匍匐运动分解为姿态准备阶段与连续运动阶段,并分别设计腿部的运动规律。基于Adams与MATLAB联合仿真平台,对所设计的运动方式进行仿真实验。联合仿真实验表明,所规划的四足机器人匍匐运动方式能有效地降低其机身高度且运动过程中的机身滚转幅度满足其平稳运动要求。     

基于广义界实定理的窗口H_∞性能分析

为研究连续时间控制系统局部频段的H∞性能,基于传统H∞范数提出了窗口H∞范数的新概念,指出传统H∞范数是窗口H∞范数的特例.利用广义Kalman-Yakubovich-Popov引理证明了弱形式广义界实定理,针对低频段、中频段、高频段3种情况得出了相应的研究结果.低频段的推论能应用于控制系统的带宽设计问题,中频段的推论能用于控制系统的稳定裕度指标设计问题,高频段的推论能用于控制系统抗干扰的设计问题.例子表明窗口H∞性能分析方法比传统H∞性能分析方法更适于局部频段.     

多层次约束的矢量地图匹配导航算法

针对航空用线状目标的矢量地图匹配问题,提出了一种多层次约束的矢量地图匹配导航算法（MLC-VMMA）.该算法利用差角作为线状目标的匹配特征量,依次根据距离、顺序和误差等多层次约束条件来减小可行解空间的大小,完成在具有旋转、平移、缩放变换下的矢量地图匹配.仿真结果表明,MLC-VMMA适用于小尺度缩放变换下的矢量地图匹配,具有较高的可靠性与导航精度.     

基于多通道系统的封闭空间低频噪声主动控制

在封闭空间中,相较于单通道主动噪声控制(active noise control,ANC)系统,多通道ANC系统可以更好地实现整体区域的降噪。针对所设计的三维空间,分别进行单通道及双通道实验;并基于实验的方式布放次级源及误差传感器。实验结果证明,对于低频窄带噪声,多通道系统降噪效果显著,算法开启后在所设计装置空间内达到11. 4 d B的降噪量;且噪声声压级相较于单通道系统分布更为均匀。     

北斗QPSK调制信号多星联合捕获算法

传统的接收机捕获方法仅针对单颗卫星码相位及载波频率进行搜索与捕获，为了提高接收机傅里叶变换及相关运算模块的使用效率，提出了一种面向北斗B1频点信号的多星联合捕获算法，并在此基础上建立了联合捕获相位参量与相应卫星编号间的映射关系。最后，利用采集的卫星中频信号对多种捕获算法进行了实验对比与性能分析，实验结果表明,多星联合捕获算法可成功对多颗卫星进行并行搜索及快速捕获，平均运行速度相对于传统捕获算法提高了约23%，改善了北斗接收机中信号捕获的处理效率。     

智能组卷系统的建模与算法研究

根据教育考试理论与统计学,分析了自动组卷目标要求,建立了智能组卷系统的数学模型.提出了一种基于免疫遗传算法的智能组卷算法,提出了分段编码、段内遗传操作、误差加权适应度评估方法.通过应用实例分析,实验结果表明所提出新组卷算法的组卷成功率高、组卷速度快.     

GMDH参数模型的改进及在煤炭价格研究中的应用

首先,针对现有GMDH算法的不足做了两点改进:一是利用初始变量添加法来防止有用信息丢失、改善模型结构、提高模型精度,二是用权系数向量法或符号表达式法直接给出GMDH输出的显式表达式;然后,将改进的GMDH算法应用于煤炭价格影响因素的实证研究。结果显示改进的GMDH算法能够更真实地反映实际的煤炭价格模型结构,不仅有更高的拟合精度,而且有良好的外推能力,能够准确预测煤炭价格的变动趋势。     

一种改进的ICA算法及其在fMRI信号上的应用

摘要:给出了独立成分分析(ICA)的一个优化模型,在此基础上,提出了一种牛顿型迭代算法,为加快算法的收敛速度,对牛顿迭代进行了进一步修正,使该算法收敛速度达到三阶.本文从理论上阐明了新方法的合理性和优越性,同时将其应用于实际fMRI数据,经与其他两个ICA算法(Fast ICA算法、infomax算法)比较,该算法能够很好地分离出任务成分,同时大大减少了运算量,提高了运算速度,对处理大数据量的fMRI信号有明显的优势.