基于多Agent的RoboCup仿真足球比赛通信

足球机器人比赛系统需要机器人团队的合作 .但RoboCup仿真组比赛所提供的通信系统模型是一个低带宽、不可靠通信系统 .为了更好的利用这有限的通信能力 ,提出了对应的解决通信问题的方法 .最后举例说明了若干个在团队合作中使用通信系统的应用 .     

基于频域的多变量广义预测控制（MIMO-GPC）稳定性分析

提出了基于频域的多变量广义预测控制（MIMO-GPC）稳定性分析方法，推导了MIMO-GPC的闭环反馈结构，给出了基于闭环特征多项式的MIMO-GPC的稳定性判据和奈奎斯特稳定性判据。这些判据可作为MIMO-GPC控制器参数设计的重要依据。     

分区粘弹性介质样条边界元反分析数值解法

通过改造非均质样条边界元列式方法，建立了分区粘弹性介质边界元反分析的数值求解格式，该数值解法与均匀弹性体边界元法相类似，不需作分区组合计算，简化了计算程序，减少了计算工作量、提高了计算精度和解题效率，为解决非均质围岩反分析中遇到的困难奠定了基础。     

一种超体积准则多目标遗传算法的螺旋桨叶片优化方法

为改善螺旋桨叶片敞水效率,用结合超体积准则的多目标遗传算法优化螺旋桨桨型设计.优化过程中,桨叶形状用B样条曲线拟合,利用面元法建立桨型性能模型.将计算螺旋桨升力和阻力转化为降低阻升比、桨型面积差和压力方差三个优化目标,得到优化后的螺旋桨剖面形状,并将优化前后的螺旋桨进行流体分析.结果表明,超体积准则结合多目标遗传算法进行螺旋桨叶片优化是有效的.优化后的桨型在面积差变化较小的情况下三个目标均有明显改进,螺旋桨水动力性能达到预期目标,敞水效率提升12%.     

广义多尺度决策系统的局部最优粒度选择

在实际应用中,人们常常选择比较合适的粒度层次来解决相应的问题。在经典的多尺度决策系统和粒度层次构造过程中,属性取值常由人工选择某些固定粒度层次。本文针对广义多尺度决策系统,由属性取值的尺度组合来构造粒度层次,进而研究局部最优粒度的选择问题。首先,介绍了广义多尺度决策系统的概念。然后,在协调的广义多尺度决策系统中定义了最优粒度和局部最优粒度,并给出了基于属性组合的最优粒度与局部最优粒度的选择算法。最后,在不协调的广义多尺度决策系统中引入了广义决策,定义了广义决策最优粒度和广义决策局部最优粒度,并给出了基于广义决策最优粒度与广义决策局部最优粒度选择算法。     

采用传播图论建模方法的Massive MIMO室内场景传播特性

大规模多天线(Massive MIMO)技术在基站端配置大规模天线阵列,能够大幅度提升数据传输速度和系统容量,实现无线传播信道中的空间和时间资源的最大化利用.有关Massive MIMO无线传播信道的研究,对大规模多天线的应用、系统的设计与部署具有重要意义.本文采用传播图论信道建模的方法,研究Massive MIMO在实际传播信道中的性能表现,既能很好的避免信道实测带来的繁重工作,又能有效反映Massive MIMO的无线信道衰落特性.分别在高频点6GHz和低频点1.472 5GHz对选定的室内传播场景进行了信道建模与仿真,由传播图论建模方法得到了信道冲激响应,并进行参数提取,分别从角度域和时延域分析了大规模多天线系统的信道传播特性,并通过分析信道奇异值扩展的分布,证明了实际传播环境中天线数目增多信道的正交性显著增强.     

一道考研数学试题的多种解法

发散思维是创新思维的最主要特点,一题多解能够培养学生的发散思维能力。利用凑微分法、分部积分法、换元法等给出了2018年全国硕士研究生入学考试一道数学试题的6种解法。以此引导学生深入地探索问题,培养学生的创造性思维能力。     

简单正交多阵SOMA(4,n)的存在性

设整数k0,n≥2,简单正交多阵SOMA(k,n)是一个n×n的方阵A,它的每一个单元格包含kn-元集S的一个k-元子集且满足:1)S的每个元素在A的每一行和每一列恰好出现一次;2)S的每个2-元子集至多出现在A的一个单元格中.总结了SOMA(k,n)存在的最新结果,并且阐述了它和相互正交拉丁方之间的关系,同时通过直接构造的方法证明了n≥5,SOMA(4,n)的存在性,并且提出了进一步研究的问题.     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。     

基于卷积神经网络的多天线Polar码联合解调-解码方案

为了验证运用神经网络进行信道解码的可行性,利用其提高短码长Polar码的译码准确率,提出了一种基于卷积神经网络(convolutional neural network,CNN)的多天线(multiple-input multiple-output)Polar码新颖联合解调-解码方案.搭建了一种包括4个卷积层,2个全连接层和1个输出层的卷积神经网络,采用最小均方误差作为损失函数,通过计算机生成了Polar码编码的多天线数据并对网络进行训练,使训练得到的神经网络能很好地提取出Polar码比特间的关系特征,从而拟合出Polar码译码函数.仿真结果表明,在相同信噪比条件下,基于CNN的Po-lar码联合解调-解码方案的误码率优于已有的基于全连接神经网络方案;所提方案在不同码率的仿真实验中的误码率皆优于基于全连接神经网络方案,损失曲线的收敛速度更快,显示了基于CNN的Polar码联合解调-解码方案具有更好的泛化能力和学习能力.