多分量二维线性调频信号瞬时频率变化率估计

针对多分量二维线性调频信号的瞬时频率变化率估计问题,提出了一种新方法.定义了二维线性调频信号的二维三次相位函数CPF.通过分析可知,应用二维CPF方法处理多分量二维线性调频信号时,会由于交叉干扰项的存在而产生伪峰,接着借助于二维CPF构造了二维三次相位函数乘积项PCPF.应用该方法可以在较低信噪比下,准确地估计出多分量二维线性调频信号的瞬时频率变化率.仿真实验验证了该方法的有效性.     

提高BOC调制信号多相关峰值精度的三次样条插值法

提出了利用三次样条插值法,处理BOC调制信号相关谱主峰及副峰的数据,以提高相位测量精度的算法.该算法将低采样频率下的相关谱谱峰分割成n个子区间,在每个区间内建立三次函数,求取极大值点,以确定BOC调制信号的相关谱主峰及副峰的精确位置.重点对比分析了常用的Lagrange插值法,并以Lagrange插值法中的三点二次插值法为例进行了对比仿真试验.仿真分析表明,对于BOC调制信号而言,针对其特殊的同步机制,提出的采用三次样条插值法进行PN码相位测量,可有效提高对其相关峰值及相应的峰值位置的测量精度.     

二维EMD应用在图像边缘特征提取中的仿真研究

图像边缘特征提取是图像处理理论和应用研究的主要内容之一,传统的特征提取方法简单易行,但提取的图像精度不高.为此,提出了一种基于二维EMD及Riesz变换的双重复合图像边缘特征提取方法.首先通过二维EMD将图像分解成多层IMF分量,然后利用Riesz变换的局部"高保真性",替代Hilbert变换进行各分量的局部特性分析,给出更高分辨率的图像边缘特征提取算法.最后,仿真分析验证了该算法的可行性和有效性.     

二维相干信号测向估计方法

针对双平行线阵列,提出了一种相干信号二维波达方向估计新方法.该方法利用双平行线阵的特点,在空间平滑法基础上通过构造新的协方差矩阵,进一步去除了信源间的相干性.相对空间平滑法计算量无明显增加,并且利用信号的方向矢量元素来直接估计信号角度.该方法不需要谱峰搜索,大大减小了运算量,具有分辨率高和估计方差小的优点.最后,通过仿真说明了该方法的有效性.     

基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.     

带有二次订购的单制造商多销售商协调模型

在单周期易逝品供应链协调问题的研究中,常常借助于经典的报童模型,限制销售商的订货机会只有一次,然而在实际中,销售商常常会在销售期末进行再次订购.考虑了两次订货机会下由单制造商和多个销售商组成的供应链生产销售易逝品的协调模型,给出了模型的分析解,同时给出了使得供应链达到协调的一个全单位量折扣策略.并且用数值实例证实了本模型的特例-单制造商单销售商协调模型所得的系统期望总利润要高于已有此类模型的相应结果.     

汽车电子ABS控制参数混合逻辑动态自标定研究

采用软硬件协同设计方法,提出基于汽车电子子系统模块化统一建模的动态仿真测试方法.参照汽车电子电控单元参数的匹配方法,提出了基于CCP协议在线调整ABS参数的匹配方法,并从理论上研究了基于MLD(Mixed Logical Dynamical)系统的ABS控制参数自动标定算法.并通过求解MIQP问题为ECU-ABS控制解出一个优化的控制序列.以ABS开发为例进行了说明和测试,对监控标定系统进行了试验,建立了完整的电控参数标定仿真、实验流程.提出的方法对其它汽车电子嵌入式实时软件开发,缩短调试、路试周期具有重要的意义.     

含死区的单相并联有源滤波器建模及控制策略研究

为减少由于死区时间所产生的附加谐波含量,建立了包含死区的单相并联有源滤波器(APF)混杂动态模型.根据脉宽调制原理(PWM)与精确离散化方法,将混杂动态模型转换为等效离散时间系统(EDTS)模型,并将EDTS模型在平衡流形邻域近似线性化,得到以脉宽偏差为输入函数的线性等效离散系统(LEDTS)模型.依据LEDTS模型,以PWM信号的脉宽作为控制量,设计了满足一定性能指标的切换线性二次最优控制器.仿真实验验证了所提建模和控制策略的有效性与可行性.     

导弹攻防对抗仿真可视化系统的设计与实现

导弹攻防对抗系统主要用于模拟和验证与导弹突防相关的技术和理论,仿真可视化部分是整个系统最直观的组成部分.简要分析了导弹攻防对抗仿真可视化系统的框架结构,介绍了基于MFC的Vega Prime程序设计方法.提出了基于HLA的分布式攻防对抗仿真可视化系统的三维场景显示设计思路和实现方式.同时也对基于地理信息系统和军标系统的二维态势显示给出了设计模式和实现途径.     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.