MIMO雷达反向投影成像算法

针对多输入多输出(multiple-input multiple-output, MIMO)雷达的多收发固定阵列结构,在标准反向投影(back projection, BP)成像算法基础上,提出了一种修正BP成像算法。该算法首先对MIMO雷达距离压缩回波数据进行时延曲线校正处理,而后沿方位向直接相干叠加各路回波处理数据,从而无需距离插值即可实现方位聚焦。与标准BP算法相比,修正BP算法大大降低了运算量,同时也克服了现有快速BP算法大都没有考虑距离插值运算的缺陷。MIMO雷达外场实测数据处理表明：与标准BP算法相比,修正BP算法有效节省了运算时间,并保持了雷达成像质量。     

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

窄带相参雷达调制谱超分辨处理方法

针对采用时分体制下窄带相参雷达对单个目标的连续跟踪时间变短,导致频谱分辨率降低的问题,提出了一种连接不同时间段回波信号的方法。该方法利用MUSIC算法估计窄带雷达时域回波的模型参数,然后用该模型连接不同时间段信号。通过该方法,可以提高窄带相参雷达时分多目标跟踪时的频谱分辨率,有利于调制谱特征的提取。对仿真和实测数据的分析处理验证了该方法的有效性。     

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt (GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。     

基于遗传算法和种子概念的本体概念提取算法

本体学习技术是利用本体工程技术和机器学习技术等众多学科技术来实现本体(半)自动构建的一项技术。通过研究中文本体学习这一领域存在的问题,提出了基于遗传算法和种子概念的本体概念提取算法。介绍了当前基于非结构化数据源的本体概念主要提取算法,在遗传算法和种子概念的基础上,设计了一种基于非结构化数据源的本体概念提取算法。实验证明,本算法在特定领域本体学习方面取得了良好的效果。     

基于跳辨识-MCMC组合算法的人民币汇率跳扩散模型参数估计问题

针对人民币汇率收益率时间序列数据存在的跳变特征,采用跳扩散模型对其时间序列数据进行描述.为识别跳变规律并解决模型的参数估计问题,提出了基于跳辨识-MCMC的组合算法:即结合Lee-Mykland的跳辨识方法与MCMC(蒙特卡罗马尔可夫链)方法形成组合算法,利用仿真实验,通过误差分析得出组合算法在跳扩散模型参数估计方面效果明显优于单一MCMC方法.以人民币/美元日汇率数据为样本进行实证分析,结果表明组合算法不但能较为准确地识别出汇率收益率的跳变时刻及规律,而且其模型参数估计的有效性大大提高.     

基于DPSO的无等待混合流水车间调度方法

研究了无等待混合流水车间调度问题,调度目标为最小化工件的最大完成时间。针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法,并将机器的能力约束嵌入到算法之中。在此基础上,首次应用离散粒子群优化算法对无等待混合流水车间调度问题进行了优化求解。通过仿真实验表明,离散粒子群算法的优化质量优于遗传算法及LTPT、STPT和FCFP三种启发式算法,同时验证了分阶段无等待算法的有效性。

Abstract：

A no-wait hybrid flow shop（NWHFS） scheduling problem was studied for the objective of minimizing makespan.For the no-wait constraint between two sequential operations of a job,not only the no-wait algorithm of grading was designed,but also the number restriction of machines was embedded into this algorithm.On this basis,the discrete particle swarm optimization（DPSO） algorithm was proposed for the first time to solve such problems.The last simulation experiments show the optimization qualities of DPSO are superior to those of the genetic algorithm（GA） and the heuristic algorithms of LTPT,STPT and FCFP,and demonstrate the effectiveness of the no-wait algorithm of grading as well.     

一种改进的不敏粒子滤波算法

提出了一种改进的不敏粒子滤波（UPF,Unscented Particle Filter）算法。和传统的UPF相比,该算法有两点改进,首先,在形成＂粒子云＂时,直接采用当前时刻各粒子的UKF（Unscented Kalman Filter）估计作为粒子,在保证粒子有效性的同时,减少了UKF之后的重采样过程;然后,结合新的粒子产生办法,重新定义了权值计算方法,避免了对各粒子重要概率的复杂计算。仿真表明,改进算法在减少计算量的同时,有效地提高了跟踪稳定性和跟踪精度。

Abstract：

An improved Unscented Particle Filter （UPF） algorithm was proposed.Compared with traditional UPF,it has been improved at two points.First,when producing particle cloudy,it directly uses the current particle estimation of Unscented Kalman Filter （UKF） as new particle,which guarantees the validity of particles and eliminates the re-sampling process after UKF as well;then,according to the new particle-producing method,a weight-calculating formula is re-defined,so as to avoid the complicated computation of proposal probability of every particle.A simulation shows that the Improved UPF （I-UPF） can effectively enhance the tracking stability and tracking precision and reduce computational cost at the same time.     

用于连续域优化的蚁群算法及其收敛性研究

蚁群算法作为一种新的智能计算模式,由于其离散性本质而在组合优化问题上取得巨大成功,但这也限制了它在连续问题求解中的应用.为此,提出一种用于连续域寻优的改进蚁群算法.算法的局部搜索基于解决离散问题的经典蚁群优化思想,全局搜索利用Ant Walk和Ant Diffusion技术, 且每代寻优结束后均采用"精英策略"把本代最优个体保留到下一代中.最后在理论上对其进行了收敛性分析,证明可较快地收敛到全局最优解,并用几个基准函数对算法做了仿真测试,均取得良好效果.     

分层控制算法在过饱和交通干线控制中的应用

提出一种启发式分层控制算法框架来解决过饱和城市交通干线的控制问题.整个控制器由控制层和协调层组成,在控制层,引入主线延误和次线延误的概念,将控制问题描述为一个冲突的多目标控制问题,提出一种新的基于IPNSGA-Ⅱ遗传算法的多目标相容控制策略来产生相邻交叉口的信号配时方案;在协调层,首先确定需要进行协调的交叉口群,然后以主线延误和次线延误为目标,采用IPNSGA-Ⅱ遗传算法进行优化,实现交叉口之间的协调.提出的相容控制策略具有鲁棒性、实时性、动态性的特点,能够实现干线交叉口的实时控制.将该分层算法应用于一个七个交叉口组成的城市交通干线的交通流仿真系统进行测试,仿真结果表明,本文方法比单点控制策略能够更有效的缓解网络中的过饱和状态,减小延误.