基于多纹理的合成孔径雷达图像相干斑抑制

相干斑抑制是合成孔径雷达 (syntheticapertureradar,SAR)图像后处理的首要问题。在多纹理假设下 ,采用最大似然方法来同时估计多个极化通道纹理参数。该方法保存了极化信息 ,消除了极化通道间的耦合 ,取得了较好的相干斑抑制效果 ;并与极化白化滤波 (polarimetricwhiteningfilter,PWF)和Lee的最优权值算法作了比较     

CPML在脉冲辐射场数值模拟中的应用研究

利用时域有限差分法对电磁脉冲模拟器辐射天线产生的电磁场进行数值模拟,在分析卷积完全匹配层(CPML,convolutional perfectly matched layer)原理的基础上,分别选用CPML和修正的完全匹配层(MPML)两种吸收边界条件进行对比分析,仿真结果表明CPML不仅可以吸收传播模,而且还能够有效吸收低频凋落波,获得了很好的截断效果,展示了其在电磁脉冲模拟器数值模拟中的应用前景。     

基于RBF的机械手建模误差补偿自适应控制

针对机械手动力学建模误差,提出了基于RBF神经网络误差补偿的自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,对系统输入与目标轨迹进行修正,设计了两种误差补偿自适应控制器。利用RBF神经网络对修正项在线自学习,并根据Lyapunov稳定性理论建立了网络权重自适应学习律,保证了跟踪误差的收敛及系统的稳定。以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,提高了系统的控制性能并使控制系统具有对参数摄动的鲁棒性,对于机械手自适应控制具有一定的可行性。     

线性需求下的产品召回成本分担和质量激励

讨论了产品召回中的成本分担和质量激励问题. 通过引入根源分析的成本分担合同, 在考虑线性市场需求的情况下, 制造商和供应商都可以通过努力来改进产品质量, 运用上模博弈理论证明了分散式供应链的纳什最优均衡解的存在性. 根源分析的成本分担合同使制造商和供应商的努力水平、质量、价格以及市场份额取得最优, 且最大化了各自的利润. 在根源分析成本可忽略的情况下, 供应链是协调的.     

新型元启发式布谷鸟搜索算法

元启发式算法已经成为现今复杂优化问题的有效解决方法,最近Yang和Deb提出了一种新的元启发式算法——布谷鸟搜索算法,该算法源于布谷鸟的孵育寄生行为。本文通过典型的基准测试函数测试了算法的性能,实验结果表明了算法的优越性。最后,就测试结果进行了分析并对下一步的研究作出了展望。     

基于联合视角的项目支付问题及其模拟退火启发式算法

从合同双方的联合视角出发,研究项目支付进度问题。其中,支付与项目事件相联系,任务是合理地安排支付事件、活动执行模式及事件发生时间,以使合同双方的共同收益最大化并使二者都能接受相应的安排。在对问题进行界定的基础上,构建由两个子模型构成的优化模型。针对问题的强NP-hard属性,设计包含两个子模块的模拟退火启发式算法,并在随机生成的标准算例集合上对算法进行测试,结果表明,该算法是求解问题的有效算法。最后,用一个算例对研究进行说明,得到如下结论:如果合同双方均按自身偏好进行决策,那么将会导致一种双输的结果;如果他们能够相互合作和协调,那么都可从项目中获得更高的收益。本文的研究可以为合同双方关于项目支付进度安排的谈判提供决策支持。     

包络相位联合自聚焦高分辨SAR运动补偿

提出了一种包络相位联合自聚焦运动补偿算法,解决了机载高分辨合成孔径雷达(synthetic aperture radar, SAR)成像过程中复杂的运动误差问题。该方法不但可以实现对高阶运动误差的估计,而且可以同时补偿包络和相位误差。通过对运动误差进行归一化多项式拟合建立关于运动误差多项式系数的最小熵优化方程,同时利用阻尼牛顿法对其进行求解,实现高效精确的多项式系数估计。另外,设计了交替联合自聚焦算法,以实现对较大运动误差的精确估计。最后,应用实测机载聚束SAR数据验证该方法的有效性和优越性。     

超视距舰空导弹导引头天线预定指向角解算

针对舰空导弹超视距拦截目标时复合制导目标交班的角度截获问题,通过建立相应的坐标系,并规定一种新的导引头天线轴旋转顺序,采用将导弹-目标视线角矢量投影到相应旋转平面的方法,提出了一种新的导引头天线预定指向角解算模型,有效地解决了大预定角情况下的指向角解算问题。应用方差分析方法,建立了此指向角解算模型的误差模型,进行了指向角误差仿真分析。仿真结果验证了所提出的导引头天线预定指向角解算模型的正确性及其在减小预定指向角误差方面的有效性。     

卫星认知无线电CDMA上行链路功率控制

功率控制和动态频谱接入是提高卫星通信中频谱利用率的关键技术。非注册用户以频谱租赁方式可对注册用户付出的代价进行补偿,亦可完成自身通信需求。针对注册用户和非注册用户给出不同的效用函数,对由两种用户作为参与者建立的博弈模型进行纳什均衡求解,之后通过最大化系统容量条件完成效用占优选择,得到最优化功率分配策略。该策略可满足两种用户自身需求,亦可使系统通信容量最大。对于其性能,给出了两种用户数量和发送功率的关系,仿真结果表明,非注册用户数量在系统容限内愈多则系统总容量愈大,注册用户所要求的最低信干噪比则在一定范围内最佳。     

Enhanced self-adaptive evolutionary algorithm for numerical optimization

There are many population-based stochastic search algorithms for solving optimization problems. However, the universality and robustness of these algorithms are still unsatisfactory. This paper proposes an enhanced self-adaptiveevolutionary algorithm (ESEA) to overcome the demerits above. In the ESEA, four evolutionary operators are designed to enhance the evolutionary structure. Besides, the ESEA employs four effective search strategies under the framework of the self-adaptive learning. Four groups of the experiments are done to find out the most suitable parameter values for the ESEA. In order to verify the performance of the proposed algorithm, 26 state-of-the-art test functions are solved by the ESEA and its competitors. The experimental results demonstrate that the universality and robustness of the ESEA out-perform its competitors.