基于n阶Dickson多项式的公钥密码系统

利用n阶Dickson多项式给出一多项式序列，由此序列构造一种新的公钥密码系统。与基于2阶的Dickson多项式的LUC公钥系统相比，明文密文空间扩大，攻击该系统等价于分解大整数的同时还要求解若干个困难的高次同余式，使得破解难度增大，安全性增强。     

武器装备体系作战能力评估框架

通过对武器装备体系及其作战能力评估的有关问题进行讨论,探索一种可行的体系整体作战能力评估的思路。首先给出了武器装备体系及其作战能力和作战效能的概念,研究了装备作战能力指标的聚合关系及其处理方法。然后分析了以往利用解析法进行作战能力评估的缺陷,提出了折合系数的概念,进而提出了一种武器装备体系作战能力评估框架。     

Sigma点卡尔曼滤波及其应用

针对扩展卡尔曼滤波(EKF)不易调整、难于应用、只对更新时间步长内局部线性假设成立的非线性系统适用等不足,近年来提出了一些卡尔曼滤波向非线性系统扩展的新方法。根据均值与协方差信息按非线性映射传播的特点,将它们归类为Sigma点卡尔曼滤波(SPKF)方法。在简要说明加权统计线性回归技术的基础上,系统介绍了SPKF的形式及算法,对其应用情况进行了总结和展望,指出可采用SPKF替代EKF以获得更好的性能。     

线性调频信号参数快速估计

针对采用线性调频(linearfrequencymodulation,LFM)信号体制的参数估计的应用场合,提出了一种消除最大似然估计时带来旁瓣的算法。该算法利用雷达回波信号的对称性上来获取统计样本,因而在无需对雷达系统作任何改进的情况下,可获得对LFM信号参数较好的估计。通过结合解线调估计运算量少的特点,有效地减少了估计的运算量,提高了估计精度。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

隐马氏模型中的标量估计

通过测度变换的方法构造一个概率空间,利用观测变量在该构造空间中独立的性质,研究了一类在实际中应用广泛的隐马尔可夫模型———零延迟隐马尔可夫模型;然后通过测度的逆变换,将构造空间中得到的结果返回到实际的空间中来,克服了通过半鞅的方法得到标量估计的困难。最后给出了零延迟隐马尔可夫模型中标量估计的一般公式,并且应用该公式给出了状态、跳跃次数、状态到达次数等标量估计,以阐明该方法的应用。     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

考虑接触摩擦的金属捻线捻制成形过程计算机模拟

建立了捻线捻制成形过程中的接触摩擦模型，采用小球分裂算法和Augmented Lagrangian法进行接触搜索和接触力计算。提出钢丝绳捻制成形计算机模拟的系统模型，系统能够生成可被ANSYS直接调用进行非线性分析的APDL，数据文件。对钢丝绳一次捻制成形过程进行了模拟计算。研究结果表明，非零自扭转系数较自扭转系数取值0．0时，相应的法向接触压力和摩擦接触应力的值较大，且接触应力沿螺旋线呈条状分布；非零摩擦系数与无摩擦条件相比，相应捻制加工应力应变的值较大，且自扭转系数等于1．0时，线截面内的剪应力最小，塑性区对弹性区的制约较小，弹性恢复较大；考虑摩擦时钢线表面的轴向残余应力计算结果比无摩擦条件下的计算结果更接近实验结果。     

频率捷变的相控阵雷达目标多径DOA估计算法

介绍了频率捷变在相控阵雷达目标多径DOA估计中的应用,并采用修正的MUSIC算法(MMU-SIC)以提高多径信号DOA估计性能。频率捷变不仅可以去掉直射信号与反射信号的相关成分,而且可以消除严重的信号对消现象。而修正的MUSIC算法则可以将相关信号源的相关性大大降低,从而改善了传统MUSIC算法对相关信号源的DOA估计性能。     

一种基于正交矩的立体匹配方法

通过引入Tchebichef离散正交矩提出了一种新的基于双目立体匹配的方法，该方法利用了Tchebichef离散正交矩在图像空间中的正交性来描述图像的灰度分布特征，然后根据该分布特征对图像对进逐行逐像素匹配，视差计算通过逆变换或者通过比较重建图像的灰度值进行估计，从而得到视差图。给出了利用正交矩处理图像对的重建结果和立体匹配结果。试验结果表明，该方法是可行和有效的。     

基于模糊神经网络的自适应滤波方法仿真研究

提出了一种模糊自适应卡尔曼滤波算法。该算法基于模糊规则，根据新息相关性，自适应调整测量噪声方差R，有效的解决了噪声的统计特性与实际不符时，滤波器发散的现象。同时，利用Elman网络作为误差估计器，补偿模糊自适应卡尔曼滤波器的估计误差。仿真结果表明，两种方法结合，可以有效地防止滤波器发散，缩小实际的滤波误差，提高滤波精度，实现滤波器参数的在线改进。