基于行为特征的机器人变步长气味源搜索算法

面向在地面搜索地下气味源的任务,针对传统六边形路径算法步长固定且无法对气味源定位的不足,提出移动机器人依靠气体传感器的基于自身行为特征的变步长气味源搜索算法.机器人根据其自身在搜索过程中所表现出的行走特征,采用行为控制模型,选择与具有不同特征的行为相匹配的步长调整策略.步长调整策略包括:根据实测所得即时气味浓度变化率的动态步长改变策略、根据徘徊程度确定的动态步长缩短策略、固定步长策略.非均匀土壤且实际扩散情况下的计算机仿真证实,改进算法具有气味发现、气味跟踪和气味源定位三种功能.     

不确定T-S模糊广义系统基于观测器的无源控制

针对一类范数有界不确定性T-S模糊广义系统,研究了其在满足不确定性的基于观测器的无源控制器的设计问题.在状态不可测的情况下给出了使得闭环系统广义二次稳定且无源的基于观测器的控制器存在的充分条件和设计方法.通过求解若干线性矩阵不等式,获得系统的观测增益与控制增益.最后通过数值仿真例子,说明所提出的设计方法可行、有效.     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于成批排队的自相似业务性能分析

自相似业务建模及性能分析是ATM领域当前的研究热点。讨论了当前排队模型的特点与不足,从分组层次上提出了一种新的模型。利用成批排队理论对系统的性能指标进行了分析,对模拟流量的自相似性及排队性能进行了实验仿真,研究了确定模型参数的方法,证实了理论结果的正确性。实验结果表明,从分组层次上建立的排队模型在性能上优于ON-OFF源层次上的模型。     

需求率依赖价格的新能源汽车租赁系统三方协调契约

考虑由新能源汽车制造商、租赁商和政府组成的三方系统,在市场需求率为随机且依赖租赁价格下研究了租赁商的车队配置和租赁价格的最优决策以及系统协调问题。为此,分别建立了分散决策模型、集中决策模型和基于成本共担、收益共享和两部收费的联合契约协调模型。研究结果表明：分散决策下无法实现系统协调,通过引入这种联合契约,当契约参数满足一定条件时,不仅能够实现系统协调且可以使各成员收益达到帕累托改进。最后,通过算例分析验证了模型的有效性。     

基于时间约束的多源多品种配送系统模型及一种启发式算法

配送系统设计时,除了使系统的总费用最小外,还要满足各需求点对配送时间的要求。在说明了建模的假设条件后,建立了考虑时间约束的多源多品种配送系统模型,并根据模型的特殊结构开发了相应的启发式算法,最后用实际调研的数据作为算例对模型进行了数值演算。     

利用频域和空域信息的单站无源定位跟踪算法

单站无源定位跟踪技术具有隐蔽性强、设备简单、系统相对独立等优点。定位收敛速度和稳定度是该技术实际应用的关键,通过研究利用频域和空域测量信息对运动辐射源的单站无源定位跟踪技术,分别提出了两种定位跟踪算法。为比较算法性能,推导了该定位跟踪问题的克拉美 罗下限,并利用计算机仿真给出了不同算法的跟踪误差几何分布(GDTE)。仿真结果证明了两种算法都具有很好的实用性。     

一类快速的宽带分布源到达角估计算法

针对宽带分布源到达角估计问题,提出了一类快速的估计算法,即中频法、中值法和均值法。该类算法首先将阵列接收的宽带信号变换到频率域,然后对于每个频率形成阵列接收信号协方差阵,最后由该协方差阵的次对角线元素估计宽带分布源的到达角,其主要特点是避免了相位展开。仿真结果表明,在高信噪比和分布角不大时,中频法和中值法的性能几利相同;但在低信噪比时,中值法优于中频法。此外,均值法对分布角不敏感,且性能较优。     

一种盲信号恢复的特征向量算法

信号恢复是雷达声纳目标检测和通信信号处理的一项重要任务。基于特征向量估计(EVA)的信号恢复算法可以在未知信道和源信号先验知识的情况下,在较短的时间内实现信号的盲恢复。它是将均衡信道参数估计问题变为与交叉累积量矩阵、自相关矩阵有关的特征向量求解问题,并保证解的唯一性和收敛性。将该算法应用于单源-单接收元(SISO)的恒模变相信号、两种声学水池信号妁恢复,取得了较好的恢复效果。     

基于神经网络的无源多传感器属性数据关联

采用引入动量项、自适应调整步长，Levenberg-Marquardt优化方法对基本的BP神经网络进行改进，以提高学习速度，改进的BP神经网络学习算法用于对无源多传感器获得的雷达辐射源参数进行属性数据关联，能够自适应地调整阈值，即根据训练数据调整关联的门限值，与确定门限的属性关联算法相比，有着很高的关联正确率。