基于新算法的P码序列捕获处理器设计与实现

通常P码的捕获是利用C/A码来完成的。但是,考虑到实际的战场可用性,利用C/A码引导的P码捕获方式不再具有较好的可靠性。同时考虑到P码信号的特点,对P码信号进行直接、快速的相关捕获是首先要解决的问题。因此,在研究相应理论的基础上,对提出的新的P码直接捕获算法进行硬件设计,实现了P码序列捕获处理器。在实验室环境下对序列捕获处理器进行测试,结果验证序列捕获处理器可以有效捕获GPSP码信号。     

基于图论的平面机械系统仿真

在简要介绍了图论的基本思想和方法之后,具体阐述了如何运用图论结合矢量力学的方法来建立机械系统的数学模型,并举例说明了普通三维系统数学模型的建立过程。运用该方法编写了仿真软件VECDYNA,并用其对双杆复摆系统和曲柄滑块系统分别进行了仿真分析。并将其结果与ADAMS的仿真结果进行了对比,对仿真结果进行了验证。结果表明基于图论的多体动力学研究是研究机械系统仿真的一种有效、节省资源的方法。     

基于操作轨迹LPV模型的非线性辨识

提出一种基于操作轨迹LPV模型的非线性辨识方法:根据调度变量的操作轨迹,选取若干个典型工作点;在各个典型工作点,进行测试与辨识相应的线性模型;然后,根据工作点测试数据以及各工作点间的过渡数据,辨识出全局插值LPV模型.它降低了测试辨识成本,且算法简单可靠,仿真结果表明了该算法的有效性.     

基于生态学理论的企业竞争模型

针对现有文献对基于生态学视角的企业竞争模型研究的不足,本文提出具有下临界的企业竞争模型,并以两个企业之间的竞争为例,运用微分方程定性知识以及教值仿真对该模型所表达出来的几种企业竞争情况及其稳定条件进行系统分析,所得到的一些结论与现实经济系统中企业竞争的情况相吻合.     

区域城市土地集约利用挖潜及模式研究

以不同区域内的14个省会城市为研究对象,从城市承载力和城市协调度两个方面挑选了20个指标,采用主成分分析的方法获得1997～2005年间各组主成分的贡献率和20个指标的影响因子,从贡献率和影响因子出发,分析了其变化规律。然后从区域城市土地集约利用模式出发,结合主要影响因子的变化情况,通过对比分析将区域城市土地集约利用模式划分为东部模式、中部模式和西部模式,并且各区域呈现出一定的均质性。表4,参6。     

基于PLAR特征补偿的鲁棒性说话人识别仿真研究

针对MFCC特征补偿技术在低信噪比时性能不高的缺点,提出了基于PLAR鲁棒特征的模型补偿方法进行抗噪声说话人识别.PLAR特征从人类听觉感知机理出发,运用听觉心理学概念表征说话人个性特征,具有雏数低,运舅速度快,抗噪性能强等特点,是一种稳健的特征.模型补偿则通过分析被测语音帧的整体分布,对高斯混合模型似然概率进行某种程度的补偿,降低噪声的影响,改善系统的性能,进一步增强系统的鲁棒性.理论分析和实验结果表明,在平稳和非平稳背景噪声环境下,当信噪比大大降低时,此方法比MFCC-GMM方法的识别率平均提高了12.2和14.9个百分点.     

需求推断差异下供应链成员的运营决策机制

供应链终端随机需求的分布不确定时,制造商和零售商将根据各自掌握信息推断需求分布。若零售商不与制造商分享历史需求数据,制造商将根据零售商的历史订单数据进行需求推断。分析了制造商是否有历史需求数据时的价格决策、零售商相应的订购决策,以及供应链成员之间需求数据分享决策。结论显示：制造商根据零售商订单数据推断的需求过高时,将制定较高的批发价格;零售商的期望利润将比与制造商分享需求数据时少,零售商与制造商共享终端需求数据的可能性较大。进一步分析了激励供应链成员分享需求信息并增加供应链利润的协调机制。     

GPS抗干扰单星约束自适应滤波器组设计与仿真

提出了一种分别针对多颗GPS卫星的波束形成自适应抗干扰实现方法,称为单星约束自适应滤波器组方法,用于GPS抗干扰处理,各个滤波器使阵列天线形成的主瓣分别对准每个期望卫星,从而提高接收信干噪比。该方法的自适应部分通过Givens旋转实现,并利用Givens旋转的结构特点,共用了大部分运算,降低了单星约束滤波器组的运算量。相比多星约束方法,能够提高信干噪比,并且计算量不会显著增加。仿真结果表明该方法相比多星约束方法,能显著提高信干噪比。     

复杂网络隐蔽信道的检测算法研究

为解决某一种隐蔽信道检测算法只能检测某种特定的隐蔽信道而无法检测其它种类隐蔽信道的问题,分析了隐蔽信道的工作方式、数据特征,提出了基于密度聚类的隐蔽信道检测算法。该算法不但能够检测出不同种类的隐蔽信道,也可以检测出这些隐蔽信道合成的复杂隐蔽信道。构建了复杂隐蔽信道的仿真系统,并进行了隐蔽信道检测实验。检测结果表明:在噪声低于20%的环境中,该算法可以快速、准确地检测到复杂隐蔽信道。     

基于形态学和蚁群聚类的台风分割方法研究

蚁群算法是具有离散性、并行性、鲁棒性、正反馈性等特点的一种仿生进化算法。根据数字图像的离散性特点,从聚类角度出发,将蚁群聚类算法引入到台风云系分割中,并通过引入初始聚类中心和引导函数来解决传统蚁群聚类算法计算量大,搜索时间过长的问题。在蚁群聚类算法的基础上,针对单纯采用蚁群聚类算法可能会将类似于台风云系的分布不均匀的无关云团分割出来而造成分割精度低的情况,提出了一种蚁群算法融合数学形态学方法的台风云系分割方法。仿真结果表明此方法可以准确的分割出台风云系,是一种有效的图像分割方法。