单车型确定性动态车辆调配问题

给出了单车型确定性动态车辆调配问题的定义,引入网络图描述该问题.建立了问题的线性规划模型,鉴于线性模型的缺点,利用函数逼近技术构造一个特殊的线性函数来近似目标函数中未来时段部分,从而建立起问题的时空分解模型,把问题从时间和空间上分解为多个单时段单节点问题,并根据单时段单节点问题特点设计简单的排序求解方法.最后,给出了模型的完整求解过程,从而使问题得到有效地解决.     

一种基于SVD的射频收发天线选择算法

基于线性检测的空间复用(SM)系统提出了一种射频天线选择算法,该算法以最小化错误概率为目标,利用信道矩阵的奇异值分解(SVD)所得到的左奇异和右奇异矢量实现发端和收端的射频天线选择,且不需要改变系统原有的检测算法。该算法可以用于收发任一端或两端同时使用,不采用遍历搜索,与传统搜索算法相比实现复杂度低。仿真证明将该算法应用于链路任意一端相比与传统算法都可以获得更多的分集增益和阵列增益。     

基于InSAR构型的地面运动目标检测与测速方法

提出了一种基于干涉合成孔径雷达构型的地面运动目标检测及测速定位新方法。该方法在高程相位和动目标相位耦合的情况下,充分利用相应像素对及其相邻像素对的相干信息进行高度补偿从而进行动目标参数估计。针对干涉合成孔径雷达（interferometric synthetic aperture radar, InSAR）系统中由于长垂直基线导致杂波自由度随地形起伏大大增加等杂波抑制问题,在处理过程中引入了联合像素法,进一步提高了动目标检测和测速精度。通过仿真验证了该方法的有效性。     

基于自组装DNA计算的RSA密码系统破译方案

自组装DNA计算在解决NP问题,尤其是破译密码系统方面,具有传统计算机无法比拟的优势。采用DNA分子瓦编码信息,借助于分子瓦之间的粘性末端进行自组装,给出了乘法运算的实现方案。在此基础上,通过引入非确定性的指派分子瓦,提出了一种用自组装DNA计算破译RSA公钥密码系统的非确定性算法。通过创建数以亿计的参与计算的DNA分子瓦,在DNA计算能力允许的范围内,该算法可以并行地测试每个可能的因子,以高概率地分解整数。该方法最大的优点是充分利用了DNA分子瓦具有的海量存储能力、生化反应的巨大并行性以及组装的自发有序性。     

基于改进的圆投影向量的背景补偿方法

针对传统运动背景补偿算法难以适应大角度旋转的应用场合,提出了一种改进的圆投影向量的背景补偿方法。该算法首先利用图像熵自动选择合适的图像参考块,以增强算法的实用性;其次对传统的圆投影向量进行了改进,增加了相位向量以获取背景的旋转参量,并采用核函数定义各像素点的距离权值,从而可以获得更加准确的结果。最后给出了算法步骤,并利用实测数据进行验证。通过仿真实验证明了该算法在各种场景、各种运动情况下的有效性以及对噪声、光照等因素具有鲁棒性。     

双C50多模同步采集高速目标识别系统

研究了红外多模采集转换的系统模型 ,分析了功能状态。研究了基于并行DSP、数据并行通信芯片和可编程逻辑器件构架的可行性系统实现 ,论证了系统的实时并行处理能力。研究了数字锁相实施玫瑰线扫描同步采集方位转换和红外多帧配准图像模糊分割识别系统实现。实验表明 ,该系统具有 2 5 6× 2 5 6像素场景 ,2 5 6级灰度级实时监测和复杂背景下实时识别目标的能力。     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

单重延误休假的M~x/G(M/G)/1可修排队系统分析(Ⅰ)—— 一些排队指标

考虑具有单重延误休假的MxG(MG)1可修排队系统,其中休假时间、服务时间、修理时间和延误休假时间都为任意分布(不一定是连续型),采用一种较简洁的方法,我们获得队长的瞬态解、平稳解和队长的随机分解表达式,同时给出了一些特殊情形下队长的随机分解结果     

高分辨率雷达二维图像的图像处理与特征提取

首先分析了雷达目标散射信号特征。在此基础上 ,根据MUSIC算法得到的雷达图像特点 ,通过平滑、量化、增强等适当的图像处理方式对F - 16、HY - 2 0 0 0两种飞机缩比模型在阶梯变频雷达上所获取的雷达图像进行处理 ,并形成雷达二维灰度图 ;最后 ,采用图像矩阵描述方示进行雷达图像的特征提取     

基于重构信道的组分层空时系统接收天线选择

针对采用排序的串行干扰消除检测的组分层空时系统,提出了基于重构信道QR分解的接收天线选择算法,该算法用子信道Frobenius范数排序代替Moore-Penrose伪逆行范数排序得到置换矩阵,降低了计算复杂度.并给出了基于重构信道的快速算法,该算法比常规信道快速算法具有显著的性能提升.仿真分析表明,该算法在中断容量上与最大容量算法接近,重构信道QR分解算法与基于伪逆排序方法性能相近,重构快速算法性能稍有下降,但复杂度更低.