AN EXPONENTIAL INEQUALITY FOR AUTOREGRESSIVE PROCESSES IN ADAPTIVE TRACKING

A wide range of literature concerning classical asymptotic properties for linear models with adaptive control is available, such as strong laws of large numbers or central limit theorems. Unfortunately, in contrast with the situation without control, it appears to be impossible to find sharp asymptotic or nonasymptotic properties such as large deviation principles or exponential inequalities. Our purpose is to provide a first step towards that direction by proving a very simple exponential inequality for the standard least squares estimator of the unknown parameter of Gaussian autoregressive process in adaptive tracking.     

Parametric adaptive time-frequency representation based on time-sheared Gabor atoms

A localized parametric time-sheared Gabor atom is derived by convolving a linear frequency modulated factor, modulating in frequency and translating in time to a dilated Gaussian function, which is the generalization of Gabor atom and is more delicate for matching most of the signals encountered in practice, especially for those having frequency dispersion characteristics. The time-frequency distribution of this atom concentrates in its time center and frequency center along energy curve, with the curve being oblique to a certain extent along the time axis. A novel parametric adaptive time-frequency distribution based on a set of the derived atoms is then proposed using a adaptive signal subspace decomposition method in frequency domain, which is non-negative time-frequency energy distribution and free of cross-term interference for multicomponent signals. The results of numerical simulation manifest the effectiveness of the approach in time-frequency representation and signal de-noising processing.     

焊接工艺参数中的BP神经网络与遗传算法结合

为了解决焊接工艺参数的确定问题,提出了BP神经网络与遗传算法相结合的研究方法,根据BP神经网络的非线性映射功能,得到不同条件下的焊接效果;利用遗传算法全局最优值的搜索功能,不断地进行焊接参数的全局寻优;通过旋转电弧熔化极气体保护焊的试验数据进行了参数求解.结果表明该方法具有准确、高效的优点,适用于焊接工艺参数的研究.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

基于RSM-GA法的薄壁蜡模压蜡过程收缩率建模与优化

基于响应面法(RSM),通过一系列的实验建立了薄壁蜡模壁厚方向的收缩率与压蜡参数之间的数学模型,并对模型的合理性与充分性进行了方差分析,对压蜡过程中工艺参数对尺寸收缩率的影响进行了敏感性分析.为了减小收缩率,基于遗传算法(GA)对工艺参数进行了全局优化.     

基于METRIC理论的超大规模卫星星座多级备份策略

针对超大规模卫星星座可能出现的运行维护成本高、任务可用度低的问题, 结合卫星批量化生产以及采用一枚火箭将多颗卫星送入轨道(一箭多星)的现状, 基于可维修备件多级保障库存技术(multi-echelon technique for recoverable item control, METRIC)提出一种超大规模卫星星座多级备份策略。首先, 阐述了基于METRIC理论的卫星星座多级备份策略模型的原理, 备份策略同时考虑地面备份、停泊轨道备份以及星座轨道备份3种备份模式, 建立了考虑卫星年平均需求量、期望需求量与期望短缺数的星座可用度模型, 包含制造费用和发射费用的星座备份费用模型,以及以星座可用度为约束, 星座备份费用为优化目标的数学优化模型。然后, 以某型超大规模低轨卫星星座为案例研究对象, 使用遗传算法和边际分析法进行求解。最后, 讨论了遗传算法与边际分析法在求解该优化问题时的优缺点。结果表明, 在同一星座可用度指标下, 采用星座多级备份策略可比采用传统两级备份策略有效降低每年备份费用; 在保证星座可用度的前提下大幅降低了超大规模卫星星座的备份费用, 可为精确配置各级备份卫星数量提供参考。     

极点识别的自适应信号综合法

本文介绍了一种基于极点的雷达目标识别方案──自适应信号综合法。该方法无需知道目标的极点，利用所合成的与目标空间取向无关的识别信号对雷达后期回波处理的结果，进行目标识别。论文阐述了自适应信号综合法的工作机理、抗噪声性能，并给出计算机模拟结果。     

基于自适应提升小波变换多分辨率数据融合

建立了基于小波去噪的多分辨率多传感器数据融合模型 ,引入了提升法自适应离散小波变换 ,根据最小均方 (LMS)自适应法确定伯恩斯坦 (Bernstein)提升滤波器的权系数 ,使其匹配低分辨率传感器的数据序列 ,接着使其对高分辨率采样数据的小波分解的尺度系数进行数据更新 ,实现不同分辨率数据的融合。最后对不同分辨率三传感器测量系统进行了数值仿真。实验结果表明 ,该方法可以有效地实现多分辨率多传感器数据融合 ,而且消除了噪声干扰 ,提高了系统的测量精度。     

一种加白化预滤波的回波抵消算法

研究了话音通信中的回波抵消问题，尤其是传统ＬＭＳ算法的收敛性问题。提出了一种加白化预滤波的块修正ＬＭＳ自适应抵消算法（ＷＢＬＭＳ）。计算机模拟结果表明，ＷＢＬＭＳ算法的收敛性明显优于传统的ＬＭＳ算法，增加的运算量也极少。     

插值新息实时预报方法的改进算法

在对插值新息实时预报算法的稳健性进行试验仿真研究的基础上，提出了一种改进的算法——基于自适应梯度的插值新息预报算法，计算机仿真结果表明，该算法的稳定性优于原来的基本算法，更适用于实时预报系统