面向多目标的自适应动态概率粒子群优化算法

将基于动态概率搜索的粒子群优化(Particle swarm optimization,PSO)算法应用于多目标作业车间调度问题(Flexibleiob shop scheduling problem,FJSP),提出一种新算法.算法在搜索初期利用粒子近邻的平均最优代替传统的单个最优引导搜索,后期用Gaussian动态概率搜索来提高算法的局部开挖能力.然后,引入Pareto优的概念,采用精英集来存放非劣解,提出一种新的适应度值分配方法.此外,在算法中还引入了一种自适应的变异算子来增强解的多样性.最后,用新算法对多组FJSP实例进行测试,并与其他几种方法进行比较,结果表明提出的算法具有较好的搜索性能,是求解多目标FJSP的一种可行方法.     

建模与仿真过程中需求分析模型的校核与验证研究

建模与仿真(M&S)开始于对所研究问题的明确定义与清晰描述,准确完整的需求定义是确定M&S校核、验证与确认(VV&A)评估标准的依据.简要介绍了需求分析过程的阶段和需求分析模型的建立方法,分析了需求分析模型校核与验证的主要内容,并给出了需求分析模型的静态校验和动态校验方法.     

一种动态数据网格副本创建策略设计与仿真

数据网格提供了地理分布的大量共享数据资源,然而互联网的高访问延迟降低了数据访问的效率,创建副本是一个有效的方法,而在何处放置副本是一个具有挑战性的问题.从应用环境和用户访问特征出发,讨论了副本创建位置、粒度和时机,提出了一种基于副本共享组的副本创建模型,可以获得优化的副本创建位置,构造了一个副本创建代价函数,由系统的传输速率、拓扑结构和用户访问特征共同决定.并给出了确定副本创建位置的有效算法.分析和仿真实验表明,自适应副本管理方案具有动态性、适应性和可扩展性,能较好地适应数据网格的特性,可以有效降低访问延迟,提高数据访问效率.     

V-BLAST系统的特征波束形成技术

针对特征波束形成技术与V-BLAST结合的系统,从最小化系统差错性能角度出发,在独立同分布衰落信道中和发射端已知信道均值矩阵信息的情况下,推导了特征波束形成的功率分配算法,同时设计了能够充分利用该功率分配方法的接收检测算法。仿真和分析表明,在发射端所知信道信息有限的情况下,该功率分配算法和排序检测算法能显著改善V-BLAST系统的性能,优于传统的V-BLAST检测算法。     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

工时定额动态参数建模及可视化研究

工时定额数据获取的快速基于动态参数的工时定额计算方法.对影响工时定额计算结果 的诸多参数进行分析,根据参数的性和准确性影响着制造成本和作业计划.传统计算方法效率低、准确性差,为解决这一问题提出了信息表达方式进行分类,建立动态参数计算模型.利用VRML技术构造可视化加工特征模型,将动态参数映射到加工特征模型上,实现工时定额计算参数的图形化拾取.该技术已应用于企业生产过程中,取得良好的效果.     

基于方向向量Fourier级数近似的近场波束形成快速算法

研究了一种近场距离/方位聚焦波束形成快速算法,离线计算每个搜索距离处的阵列方向向量,利用方向向量关于方位角的周期性,将方向向量的每个分量用有限项Fourier级数近似,从而搜索距离处的角度谱可以用FFT快速实现,无需在每个距离/方位栅格上计算时延和相位补偿,有效减小了计算量和存储量.数值分析结果表明,该算法性能接近理想的近场波束形成.     

一种改进的四阶累积量波束形成算法

波束形成算法需要使用训练序列,或需要预先掌握期望信号的DOA信息,并且在多径环境中工作性能急剧下降。基于四阶累积量的CUM2算法在理论上可以收集期望信号的各多径干扰并使系统输出信干噪比达到最大,但对于四阶累积量的估计误差使得CUM2抑制干扰信号的性能受到了较大的影响。提出将四阶累积量矩阵进行Toeplitz预处理的思想,进而得到了一种改进算法。仿真试验也证明在同等条件下,改进算法与CUM2相比有着更强的干扰抑制性能。     

基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法.在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能.仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号.     

Wigner-Ville distribution and cross Wigner-Ville distribution of noisy signals

The Wigner-Ville distribution （WVD） and the cross Wigner-Ville distribution （XWVD） have been shown to be efficient in the estimation of instantaneous frequency （IF）. But the statistical result of the IF estimation from XWVD peak is much better than using WVD peak. The reason is given from a statistical point of view. Theoretical studies show that XWVD of the analyzed signal can be estimated from XWVD of the noise-contaminated signal. The estimation is unbiased, and the variance is equal to that of noise. In this case, WVD cannot be estimated from W-VD of the noise-contaminated signal. Therefore, higher SNR is required when WVD is used to analyze signals.