基于粒子群算法的非规则LDPC码度序列设计

研究了非规则低密度奇偶校验（low-density parity-check, LDPC）码度序列阈值计算方法,详细讨论了构造具有较高阈值度序列的步骤与约束条件的处理,提出了一种基于粒子群优化（particle swarm optimization, PSO）算法的度序列优化方法。仿真了此方法的寻优效果,给出了一些接近Shannon限的优秀度序列和分析比较。     

水声通信性能仿真中宽带波束形成软件的应用

将波束形成技术用于远程水声通信系统,可以提高接收信噪比。为了具体分析波束形成技术在水声通信中的应用,给出了用于任意阵形的宽带恒定束宽波束形成软件—SWARRAY。基于改进的自适应波束综合方法及时域宽带波束形成技术,软件可以合成各种运动状态下基阵的输出信号,为评估现实信道条件下波束形成技术在水声通信系统中的应用性能提供基础。结合直接序列扩频方案,验证了设计软件在水声通信仿真中的有效性。     

一种扰动混沌跳频码的新方法

针对数字化混沌系统的有限精度效应及单一混沌跳频码相关性差、易被攻击的缺点,提出了利用细胞自动机产生伪随机序列来扰动混沌映射产生跳频码的方法,性能分析和数值仿真实验都表明这种方法极大的增加了系统抗干扰,抗截获的能力,尤其对序列的平衡性、汉明相关性,跳频间隔分布、抗预测性方面都有极大的提高,且结合细胞自动机自身特点,该结构便于硬件高速实现,具有广泛的应用前景.     

三维点云表示的人体动作序列预测

要：目前对三维人体动作序列的预测工作相对较少,且主要使用三角形网格表示人体模型,不如三维点云那样简单又容易获取。为此,该文用三维点云表示人体模型,提出一种基于MeteorNet的点云动作序列预测方法。将动作序列中不同时刻的三维点云融合在一起,寻找点的时空邻域进行分组;叠加三层Meteor模块在时空邻域聚合信息,以获取点云序列的时空特征;通过三层全连接网络预测动作的点云坐标。实验结果表明,该方法预测出的人体动作与真实动作的误差较小。     

氨基酸序列分析揭示苯丙氨酸/酪氨酸解氨酶在陆生植物中的演化

苯丙烷途径在陆生植物木质素和黄酮类等次生代谢产物的生物合成中至关重要,其中一步必需的反应为苯丙氨酸解氨酶(PAL)将底物苯丙氨酸脱氨催化为下游产物。最新研究发现了能够同时催化苯丙氨酸和酪氨酸脱氨的双功能酶—苯丙氨酸/酪氨酸解氨酶(PTAL),但是对诸多问题,例如怎样精准鉴定PAL和PTAL、植物PAL演化为PTAL其氨基酸序列发生了什么变异、哪些植物类群包含PTAL等,仍属未知。为了探索PAL基因家族在陆生植物中的演化及关键变异,本研究利用PAL氨基酸全长序列构建了陆生植物不同类群系统发育树,比较和分析了PAL和PTAL氨基酸序列并模拟了其蛋白质三维构象。结果表明,以PAL氨基酸序列构建的系统发育树,能够反映已知陆生植物的系统关系,PAL和PTAL的氨基酸序列中存在着8个差异位点,其中121和123这两个关键位点非常稳定,可以联合用于准确鉴定包含PAL和PTAL的植物,并且I121L和F123H的关键变异,导致只能与苯丙氨酸结合的PAL演化为也能同时结合酪氨酸的PTAL。     

余震持时特性对高烈度区渡槽动力响应的影响研究

主震发生后会在短时间内引发多次余震,长持时余震是否会对主震受损后的高烈度区渡槽结构造成额外损伤仍需探讨．以滇中引水工程某典型梁式渡槽为工程实例,建立渡槽-水-支座-支撑结构全耦合有限元模型．基于能量持时的定义,以设计反应谱为基础,从PEER强震数据库中选择长持时和短持时地震动记录来构造主、余震地震序列,对渡槽结构进行非线性动力分析;充分考虑主震作用后渡槽的初始损伤状态,提出了渡槽损伤评价指标,探讨了不同持时的余震对主震受损后渡槽结构动力响应的影响．结果表明：余震持时特性对主震受损渡槽的抗震性能有显著影响,长持时余震对主震受损后渡槽结构造成更严重的累积损伤,在渡槽动力响应分析中不容忽视．因此,在渡槽地震安全评估和抗震设计时,除需考虑余震的频谱特性和幅值外,还应重点考虑持时特性．     

复杂制造系统中的热轧带钢力学性能预测的深度学习模型

钢铁工业向智能制造转型升级过程中对相关模型的精度提出了更高的要求,传统的热轧板带力学性能预测模型已很难满足现场需要,基于多层网络的深度学习模型在实际应用中往往受到数据不足、调参困难等限制,而且选择的有限个离散工艺参数很难准确反映板带的实际加工过程。为了应对这些问题,本文提出了一种新的基于gcForest框架的板带力学性能输入数据采样方法,该方法根据热轧板带生产这类工序流程复杂且工艺路径及参数对产品质量异常敏感的特点,设计了一种基于时间-温度-形变的三维连续时序过程数据采样方式,并将多粒度扫描得到的局部历程信息与板坯的基础信息（化学成分和典型工艺参数）进行融合,使下一环节的输入同时具备局部特征和全局特征;此外,在多粒度扫描结构中设计了可变窗口的子采样方案,使具有不同维度的输入数据通过多粒度扫描结构后能够得到相同维度的输出特征,使级联森林结构能够的正常训练。最后,在3个钢种的实际生产数据上进行实验评估,结果表明,这种基于gcForest的力学性能预报模型综合性能更好,而且调参容易,在样本较少的情况下也能保持很高的预测精度。     

双站纯方位空时软约束无迹粒子滤波算法

针对双站纯方位机动目标跟踪中由信息不完全和非结构化测量环境导致的有界混合似然问题,提出空时软约束无迹粒子滤波算法。针对目标先验未知,利用光电经纬仪对极几何约束测量空间点,预测空间曲面中心计算转弯率;为覆盖多域似然,采用无迹变换技术更新目标状态,引入模糊测度调制重要性函数;为保持估计方差维数不变性,根据狄拉克后验采样提取目标状态。仿真结果表明,对于典型的双站经纬仪跟踪空域点目标,相比于Rao-Blackwell多模型粒子滤波,提出算法的计算复杂度与单模型粒子滤波量级相当;相比约束辅助粒子滤波算法,提出算法的滤波精度提高了27%～41%。     

基于GAN的多变量时间序列异常检测方法

近年来,生成对抗网络在多变量时间序列异常检测中得到了广泛应用。然而现有解决方案多存在一些局限性,主要限制是没有明确地捕捉多变量时间序列在时间维度和特征维度上的复杂依赖关系而导致误报。针对该问题,本文使用生成对抗网络对多变量时间序列进行建模,通过在各网络中加入一个多通道注意力层来捕捉数据时间和空间维度的重要性,以提高异常检测的准确性。此外,生成器使用解码-编码器结构,通过在训练阶段对编码器、解码器和判别器进行联合训练,使得异常检测阶段无需计算从实时空间到隐空间的最佳映射,以此提高异常检测的效率。本文在两个公开数据集上进行了实验验证,结果表明,所提方法相较于基线方法在异常检测性能上优势明显。     

基于多种群遗传算法的废旧手机拆卸序列规划

为解决废旧智能手机对环境的污染问题,高效率求解废旧智能手机完全拆卸序列最优方案,文章针对废旧手机完全拆卸提出一种多种群遗传算法。根据废旧智能手机的连接特点,建立废旧智能手机拆卸混合图模型,并利用该模型描述约束关系,同时考虑紧固件的连接关系;提出一种拆卸可行性评估方法,建立拆卸时间、拆卸利润、拆卸能耗等多目标优化数学模型,并利用多种群遗传算法进行优化分析;以“小米5”手机为例验证提出算法的可行性,并分析多目标不同权重系数对生成结果的影响。结果表明：与人工经验拆卸相比,优化后拆卸手机成本利润提高0.303 5元/台,拆卸时间缩短30 s/台,拆卸人工能耗减少0.272 J;多种群比单种群收敛速度更快;相较于并行拆解,废旧智能手机等小型精密电子产品更适合于串行序列拆解。