面向拥堵传播阻断的城轨站点分类

针对拥堵客流的传播阻断问题,研究了一种城轨站点分类方法.首先,通过分析影响站点拥堵传播阻断能力的相关因素,选取了站点客流量、站点运输能力和拓扑位置指标构建指标体系;其次,采用SOM神经网络和模糊分类算法对多指标数据进行分类,获取了不同时段下具有不同拥堵阻断能力的站点类别,实现面向拥堵传播阻断的站点分类;最后,采用北京市轨道交通实际运营数据对模型进行验证.研究结果表明:该方法能够在城轨系统不同时段下,随着客流量和运输能力的变化,准确识别不同类型的站点,并为后续研究城轨网络的大客流拥堵传播模型提供站点参数分析依据.     

基于累积Logit模型的驾驶人路径改换行为影响因素分析

基于调查数据,采用累积Logit模型对影响驾驶人路径改换行为的影响因素进行综合分析,通过理论与实证分析,分析影响路径改换行为的主要因素.首先采用SP调查的方式,用离散选择分析法对影响路径改换的因素进行多变量分析;然后,建立多元累积Logit模型,并利用经济学的基本原理,建立路径改换行为的动态评价模型.分析表明:在拥挤收费的前提下,影响驾驶人路径改换的主要因素,取决于不同的收费额度、驾驶人个体属性(驾车类型、月收入等).这一研究结果可以应用到交通规划与管理过程中.     

离散系统控制器设计和稳定性分析

首先给出离散系统模糊状态模型的表示方法,在此基础上给出了一种模糊状态反馈控制器的设计方法,对其稳定性进行了分析,得出了一个确保系统全局稳定的充分条件,同时也给出一种模糊观测器的设计方法,并对其收敛性进行了分析,得出了确保收敛的一个充分条件;最后,利用Lyapunov稳定性理论,分析了基于模糊观测器的反馈控制系统的“分离”特性。     

三维地籍建立的问题研究

随着经济、技术和社会的快速发展,基于二维平面的、以地表权利为核心的传统二维地籍已经不能满足我国地籍管理的需要,建立三维地籍成为了解决这一问题的必然选择。本文介绍了三维地籍的概念和特点,提出了建立三维地籍在技术、法律和经济方面存在的问题,总结了相对的解决方法。     

迭代滤波的自适应符号检测方法

在现有研究结果的基础上,对传统迭代结构进行改进,提出了一种适用于快衰落信道的改进迭代算法．通过递归计算给出更加逼近实际信道的迭代初始值并自适应调整迭代的收敛步长,减少了迭代次数提高了估计精度．仿真结果表明：和传统迭代算法相比,在适当增加复杂度的条件下,该方法有效的减少了迭代次数、提高了估计精度并改善了系统误码性能．     

自适应最优相关间隔选择的多普勒频偏估计算法

在信道自相关特性的多普勒频偏估计算法的基础上,分析了存在的估计性能不受信噪比和频偏变化 影响的最优相关间隔。利用该特性提出一种逐次缩小搜索范围的迭代（CIO,correlation唱interval optimized）算法,实 现对其搜索和最大多普勒频偏的估计。通过仿真证明理论分析的正确及算法的有效性。与传统基于相关估计算 法相比,该算法自适应于信噪比和频偏变化,估计性能基本上独立于信噪比和频偏的变化,实现多普勒频偏的 直接性能估计。     

RLS自适应滤波的迭代信道估计与符号检测算法

在现有的OFDM系统联合迭代信道估计与符号检测算法的基础上,针对高速移动通信信道,利用RLS自适应滤波器在非平稳环境下有效跟踪输入统计量随时间变化的能力,提出了一类基于对迭代初始值进行RLS自适应预测的迭代信道估计算法.通过对每次迭代的初始值进行递归计算提高其有效性,减少了后继迭代次数,并提高了收敛值的准确性.仿真结果表明:和传统迭代算法相比,该算法加快了迭代收敛速度,提高了估计精度.在复杂度适当增加的前提下,降低了系统误码率,提高了系统性能.     

联合状态差分检测方法及其在超宽带无线通信系统中的应用

首先提出差分编码器输入输出联合状态的概念，并设计出一种递归的网格图化简方法，实现了最大似然意义下的多符号联合差分检测．随后在此基础上，对衰落信道提出一种迭代检测结构，并将其应用于超宽带无线通信系统．仿真表明，在单位符号检测复杂度不变的前提下，检测性能可任意逼近多符号非相干差分检测的理论极限，并可有效地应用于实际通信系统中．同时它为各种类似的无记忆噪声中有限状态Markov过程的状态序列估计问题提供了一种新的解决方法．     

衰落信道下多级编码各级码率的设计准则

基于多级编码的信道容量设计准则，从多阶段译码的特点入手，提出了几条实用的基于多级编码信道容量的码率设计准则，并通过计算机仿真证明了其有效性。     

基于权值优化的FCM-MSVM算法及其在高速公路状态判别中的应用

高速公路实时交通状态的准确判别是科学制定交通管理策略的重要基础.本文以实测的高速公路交通流三特征参数的数据作为输入,引入熵权法刻画参数之间重要程度的差异,利用改进的FCM算法对特征参数进行聚类,根据不同交通状态的结果,建立基于多分类器支持向量机的交通状态判别模型,并分别采用网格搜索法、遗传算法和粒子群算法对支持向量机参数进行优化,从而提高模型的判别准确率.最后选取实际数据对本文模型进行验证,判别结果的分类准确率可达96.3980%.