应用自适应时频分布的瞬时频率估计

估计信号的瞬时频率常用解析信号的相位差分或Cohen类时频分布的时间一阶条件矩 ,但这些方法在信噪比较低时存在较大的方差。提出了一种新的瞬时频率估计方法 ,它把被分析的信号自适应地扩展到一组有限的 ,具有较好的时频局部化特征的基函数集上 ,用相应的自适应时频分布的谱峰检测来估计信号瞬时频率。仿真结果表明 ,该方法具有较好的抗噪声能力 ,且能够灵活地应用于估计多分量信号的瞬时频率 ,可以取得比其它方法更好的效果。     

抑制时频分布交叉项的一种新方法

最近提出了一种新的处理非平稳信号的分析方法。该方法主要利用基于经验的模式分解方法 ,把复杂的信号分解成简单的、有限个基本模式分量 ,从而使瞬时频率具有实际的物理意义。这种信号分解方法基于信号局部特征、是自适应的 ,因此也是高效的。对该方法进行了推广 ,提出了一种抑制时频分布交叉项的新方法———基于经验的模式分解及其Wigner-Ville分布 :首先利用基于经验的模式分解方法把信号分解成有限个基本模式分量 ,然后对每个分量进行Wigner-Ville分布计算。该方法能有效地抑制时频分布的交叉项 ,适用于一些复杂的非平稳信号的分析。     

时—频信号分析与雷达的多目标分辨

对于编队飞行的目标，由于它们之间的间距很小，常规雷达无法直接从距离和方位上区别目标。但利用目标回波多普勒频率的差别是有可能分辨目标的，这—般需要较长的相关处理时间。在这期间，目标本身的多普勒频率又是变化着的。本文分析了编队飞行目标多普勒频率的变化规律，指出多普勒回波信号的变化可以用线性调频（ＬＦＭ）信号模型来表示。本文提出了用时－频分析的方法来分辨编队目标，并用短时付氏变换（ＳＴＦＴ），Ｗｉｇｎｅｒ分布（ＷＤ）以及我们提出的自适应谱图（ＡＤＳＰ）方法对实测的雷达数据进行了分析。实验结果表明，自适应谱图具有与Ｗｉｇｎｅｒ分布相近的自分量信号分辨能力而没有其交叉项。它在噪声背景下的分辨性能大大优于Ｗｉｇｎｅｒ分布和短时付氏变换，因而是一种有效的多目标分辨方法。     

基于自适应高斯核函数时频分布的水声信号处理研究

时频分析被广泛应用于水下目标宽带回波信号以及短时瞬态信号的处理。在水声信号的特征检测和分类方面,时频分析的时变谱提供了区分不同类别目标信号的特征信息。提出一种基于自适应核函数时频分布的水声信号处理方法。与固定核函数时频分布相比,自适应高斯核函数时频分布由于它的核函数随信号而自适应改变,因此对交叉项有很好的抑制效果。计算结果表明,对于多分量线性调频水声信号,采用高斯核函数自适应时频分析不仅对交叉项具有很好的抑制作用,而且对信号的自分量具有较好的聚集作用。     

基于高斯混合模型的光纤罗经误差概率分布建模

针对船用光纤罗经误差的概率分布不完全符合高斯分布的情况, 提出了一种基于高斯混合模型(Gaussian mixture model, GMM)的光纤罗经误差概率分布函数(probability distribution function, PDF)建模方法。该方法使用多个高斯分布的线性叠加来拟合光纤罗经误差的概率分布, 并结合一种鲁棒性的期望最大化(expectation maximization, EM)算法来估计GMM中的参数。仿真分析和实测数据验证, 相比于使用单一的高斯分布, 基于所提方法建立的光纤罗经误差概率分布更加符合该导航设备误差的实际概率分布。     

使用高斯分布估计策略的改进樽海鞘群算法

针对樽海鞘群算法在求解复杂优化问题时存在种群多样性减弱、易于陷入局部最优等不足, 提出了一种使用高斯分布估计策略的改进樽海鞘群算法(salp swarm algorithm using elite pool strategy and Gaussian distribution estimation strategy, GDESSA)。首先提出一种精英池选择策略, 领导者位置在每次更新时随机从精英池中选择一个个体作为食物源, 增强领导者的探索能力, 丰富种群多样性。其次利用高斯分布估计策略对追随者公式进行改进, 通过拟合优势群体信息, 修正种群进化方向, 增强算法的寻优能力。使用CEC2017测试函数对改进算法进行测试, 并通过统计分析、收敛性分析、稳定性分析、Wilcoxon检验、Friedman检验、Iman-Davenport检验评估改进算法性能。仿真结果表明: 本文提出的改进策略能有效提高算法性能; 提出的改进算法相比其他算法, 具有更快的收敛速度和更好的收敛精度。     

产品快速分销决策支持系统研究

以我国大型制造企业（公司）为背景，探讨了产品分销决策问题的优化模型描述方法，讨论了产品分销决策支持系统的目标和功能，分析实现其目标的分销决策基本过程，进而研究了系统功能的实现方法和系统的基本结构。     

联合时频技术用于ISAR像综述

由于雷达回波的时变和频变特性,使得当基于FFT处理进行ISAR成像时,图像上存在许多扩展散射点和虚假响应,严重影响了图像质量,并对ISAR像的后续处理带来困难。而联合时频技术由于能有效处理时变信号,因而在提取ISAR运动补偿信息、瞬时(瞬频)成像、ISAR像后续处理及理解ISAR成像机理等方面有许多成功的应用,本文对此进行了较为系统的总结。     

S变换在雷达目标识别中的应用

针对雷达目标回波的非平稳特性,推导了S变换及其实现算法,利用电磁场时域有限差分算法仿真了三种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的奇异值特征作为目标特征矢量,利用径向基函数神经网络对特征矢量进行训练和学习,最后对三种飞机做了分类识别,取得了很好的识别效果.     

基于奇异值分解的混合递阶遗传算法训练径向基神经网络

提出了一种将递阶遗传算法和奇异值分解的优点相结合的新型径向基神经网络学习算法--混合递阶遗传算法。它具有较高的学习效率,并能同时确定径向基神经网络的结构和参数。利用所提出的混合递阶遗传算法对混沌时间序列学习和预测,取得了较好的效果。     

供应链上游段VMI&TPL模式的利益分配机制——基于最大熵值法与正交投影法的整合视角

实施VMI&TPL模式后如何分配利益直接关系到各参与者的积极性及VMI&TPL模式的实施效果,学术界对此问题关注有限,仅有的几项研究通常立足于供应链下游段展开。选取供应链上游段为研究对象,充分考虑实施VMI&TPL模式前后供应链参数的变化,建立经济效果模型。利用最大熵值法构建利益分配机制,考虑到该方法的基本前提是各企业承担均等风险,与实际情况存在偏差,利用正交投影法对所构建的机制进一步修正与完善,并通过算例进行验证。结果表明：修正后的机制能够对企业承担的风险做出补偿,使得由于实施供应链上游段VMI&TPL模式而产生的利益在各参与者之间合理分配,实现了各方共赢。在实际操作中,该机制可通过各参与者在实施供应链上游段VMI&TPL模式前共同制定利益分享契约而实现。     

H.264编码器在2D网孔和ASNoC中的通信量建模和映射

如今,SoC 设计对片上资源的需求不断增长,而总线结构却不能满足片上通信的要求。因此,设计者开始研究一种新颖的、可扩展的、模块化的设计方法学——片上网络。作者在这个领域中的主要工作是对 H.264 编码器进行通信量建模的仿真,并在规则及专用的 NoC 结构下提出相关的映射方法。首先,使用帧速率和分布拟合方法对H.264 编码器各个模块之间的通信量行为进行了仿真和分析;然后得到了 H.264 编码器专用的重要仿真参数的模型,如带宽、延时、包尺寸等;并利用这些通信量行为模型和参数将 H.264 编码器映射到二维网孔和专用 NoC 结构中;最终使用 Network Simulator-2 比较各参数,如平均包延时,丢包率和面积。另外,还比较了两种 NoC 结构在短期行为中的平均包延时。比较结果显示,专用 NoC 具有更低的平均包延时,更小的丢包率和更少的面积。