基于节点通信度的信息加权一致性滤波

协同目标跟踪是无人机集群等多传感器网络的典型应用。在分布式传感器网络目标跟踪过程中,目标状态估计的一致性直接影响到跟踪有效性。针对目标跟踪过程中网络节点之间一致性迭代次数受限的问题,提出了一种基于节点通信度的信息加权一致性滤波算法,设计了用节点通信度来充分衡量传感器节点在网络中的通信拓扑状况,并构建了非对称一致性权值的选取机制,可在复杂拓扑结构网络中实现快速一致性跟踪。典型目标跟踪场景仿真验证表明,所提算法相比经典的信息加权一致性滤波算法,目标跟踪的不一致程度降低了20%以上,有效提升了分布式跟踪的一致性速度。     

考虑尾时间的同类机调度问题可变邻域搜索算法

研究了目标函数是最小化最大完工时间的同类机调度问题,其中作业具有尾时间.此问题等价于最小化最大延迟时间的同类机问题,并被证明是NP-hard问题.为此问题构造了一种启发式算法LPDT,进而以LPDT算法求解结果为初始解构造了问题的可变邻域搜索算法LPDT-VNS.大量的随机数据实验用于验证算法的性能和效率.     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

软件可靠性关键参数判定的矩估计方法

已有的基于结构的软件可靠性研究中大多假设建模参数为已知常量,导致模型忽略了参数估计的统计特征对于系统可靠性的影响.针对该问题,提出一种基于矩估计的软件可靠性关键参数判定方法,该方法通过分析基于结构软件可靠性模型的特点,建立各建模参数的矩估计量与系统可靠性预测结果之间的关系,量化各参数对于系统可靠性的影响,判定关键参数.为系统可靠性控制、系统结构优化及软件测试资源最优化分配等问题的解决提供了理论支持,通过对两个实际软件系统的分析验证了方法的有效性.     

White noise estimation for discrete-time systems with random delay and packet dropout

This paper is concerned with the optimal and suboptimal deconvolution problems for discrete-time systems with random delayed observations. When the random delay is known online, i.e., time stamped, the random delayed system is reconstructed as an equivalent delay-free one by using measurement reorganization technique, and then an optimal input white noise estimator is presented based on the stochastic Kahnan filtering theory. However, tb_e optimal white-noise estimator is timevarying, stochastic, and doesn＇t converge to a steady state in general. Then an alternative suboptimal input white-noise estimator with deterministic gains is developed under a new criteria. The estimator gain and its respective error covariance-matrix information are derived based on a new suboptimal state estimator. It can be shown that the suboptimal input white-noise estimator converges to a steady-state one under appropriate assumptions.     

跳频电台互调干扰估计的蒙特卡罗方法研究

在战场条件下,密集的用频装备之间所产生的互调干扰会造成信号严重失真,影响指挥通信控制系统（C3）的正常运转。针对电子战仿真环境中工作在VHF频段战场跳频电台之间的互调干扰问题,分析了互调干扰发生的时间、频率和功率条件,以及跳频电台随机位置和阴影效应的影响。研究了决定互调干扰概率的3个条件概率：两个及以上活跃信道的概率、活跃信道中信号频率满足互调干扰频率条件的概率和信号功率满足互调干扰功率条件的概率。在此基础上提出了基于蒙特卡罗方法的战场环境下跳频电台的互调干扰概率估计算法,并分别针对2路、3路信号的3阶互调干扰的仿真结果进行了仿真验证。仿真结果表明,提出的战场环境下跳频电台互调干扰概率估计方法,可以有效地对互调干扰概率进行估计,估计结果对于战场环境的电子战仿真以及战场的作战指挥具有一定的指导和借鉴意义。     

基于RBF网络的中国信贷规模稳健预测

将M-估计稳健损失函数与基于统计贡献度的动态确定核函数方法相结合, 提出一种有效的非参数RBF预测模型, 该方法克服了稳健性缺失问题, 在估计参数的同时动态确定最佳网络结构, 并且在学习中自动消除噪声和异常点的影响, 加快了网络的学习和收敛速度. 利用中国月度信贷数据进行实证分析表明, 本文模型与基准模型相比具有最好的预测稳健性和准确性, 对于提高货币政策有效性和前瞻性具有很好的应用价值.     

基于自抗扰控制器的永磁同步电机速度估计

利用自抗扰控制器理论,提出了一种新颖的永磁同步电动机无位置传感器矢量控制系统的转速估计方法。将转速和d轴电流对转矩电流环的耦合作用以及转动惯量的变化看作转矩电流环的扰动量,由自抗扰控制器将其观测出来并加以补偿,从而估计出电机实际转速。仿真表明在0r/min到1500r/min的调速范围内,本方法都能将转速准确地估计出来,并且对负载和转动惯量的变化具有很强的鲁棒性,系统具有良好的动静态性能和抗干扰能力。     

基于最大间距准则(MMC)新的有效特征提取方法

基于最大间距准则(Maximum Margin Criterion,MMC)下,提出一组具有标准正交性的最佳鉴别矢量的计算方法和一组具有统计不相关性的最佳鉴别矢量的计算方法。这种方法的目的是寻求一组最佳鉴别矢量既要使投影变换后的特征空间的类间散度最大,而类内散度最小;又要减小最佳鉴别矢量间的统计相关性。与原MMC特征提取方法相比,新的特征提取方法降低了甚至消除了最佳鉴别矢量间的统计相关性,提高了识别率。通过分别在ORL人脸库和NUST603人脸库上实验结果表明提出的具有统计不相关性的MMC特征提取方法在识别率方面整体上好于原MMC特征提取方法和常用的主成分分析(PCA)法。另外,揭示了MMC准则特征提取与Fisher准则特征提取的内在关系。     

基于多边约束的数据融合网络定位

无线传感网络定位方法近几年来受到广泛的关注。分布式算法是传感网络定位的一个主要要求,它不仅能减小计算和通信负载,同时对络的非连通性有很好的鲁棒性,对测量噪声克服也有一个很好的实现方案。虽然多种测量技术都能实现位置估计,但都存在某些不足。数据融合是一个很好的解决方案。提出了一个数据融合的结构和模糊优化数据融合算法。对每个节点的TOA和RSS数据进行融合。仿真表明位置估计的精度能够得到显著的改进,同时算法的复杂度也得到了降低。