自适应均衡算法的盲均衡处理研究

基于中频信号的盲均衡算法,利用通信信号的周期平稳性,提出卫种代价函数,并推导了其盲均衡算法。计算机仿真表明,该算法有较好的收敛性能,克服了CM算法对相位不敏感的缺点。     

基于不确定性采样的自训练代价敏感支持向量机研究

针对样本集中的类不平衡性和样本标注代价昂贵问题,提出基于不确定性采样的自训练代价敏感支持向量机.不确定性采样通过支持向量数据描述评价未标注样本的不确定性,对不确定性高的未标注样本进行标注,同时利用自训练方法训练代价敏感支持向量,代价敏感支持向量机利用代价参数和核参数对未标注样本进行预测.实验结果表明:该算法能有效地降低平均期望误分类代价,减少样本集中样本需要标注次数.     

星载计算机系统高优先级恢复容错调度算法

为了在星载异构容错计算机上调度星载任务，在给出了星载计算机系统的容错调度模型的基础上，提出了一种星载计算机系统高优先级恢复容错调度算法（OHFSA），该算法通过引进可靠性代价量化了容错系统在维护容错调度时所需要的开销，并在调度过程中充分考虑了容错调度的实时性和低可靠性代价．同时，采用高优先级恢复机制可及时响应紧急时限下的恢复任务，从而提高了星载任务的整体实时性能．实验验证表明，OHFSA随着计算时间的增加，其所需的可靠性代价也相应增大．仿真结果表明，在任务负载不断增加的情况下，OHFSA的执行时间比目前算法减少20%～30%，特别是在恢复任务优先级比其主任务提高1个级别时，响应时间可减少近8．7%．     

基于代价组合优化的故障诊断序贯测试策略研究

提出了一种故障诊断序贯测试策略设计思想.该设计思想以组合优化技术为基础,采用序贯测试方法;通过测试与故障源之间的关系将系统分为一般序贯系统和并行系统.分别对其期望测试代价,诊断策略算法等关键技术进行研究.提出一种序贯故障诊断测试组合优化策略,引入代价权重因子ρ,实现了测试时间和成本的组合优化.对并行系统诊断测试搜索启发式引入调整权重因子μ实现了测试时间和成本、故障源故障发生概率的折中优化,有效地提高了诊断的可靠性,灵活性和实用性.最后通过抽象实例进行验证,结果表明基于组合代价优化的故障诊断序贯测试策略进行故障诊断测试是实用的,也是有效的.     

加入动量项的改进盲分离算法

在盲信号分离算法的推导过程中,常采用最速下降法、自然梯度和牛顿法等对代价函数进行最小化,推导过程复杂．文中仿照在BP神经网络算法中加入动量项使算法得到改进这一方法,提出在互累积量迫零算法的推导中加入动量项．加入动量项的改进算法尽可能地保持了输出分量之间的独立,并在保持和原算法一样简单迭代的前提下,提高了收敛速度,且使训练避免陷入局部极小．仿真结果表明该算法的分离误差减小,能有效分离源信号．     

改进的时延约束Steiner树算法

针对现有时延约束Steiner树算法时间复杂度较高以及生成的组播树代价较高的问题,提出了一种改进的时延约束Steiner树算法.该算法采用Dijkstra算法路径递增的基本思想和链路共享的方法,在快速搜索阶段,依次搜索到当前树有最小可行代价的节点,将目的节点通过最小可行代价路径加入组播树;在异常处理阶段,将遗漏的目的节点通过最小时延路径加入组播树,进而生成满足时延约束的Steiner树.理论分析和实验结果表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较好的组播树代价.     

DWDM系统传输容量分析

采用波分复用技术和光纤放大器是增加光纤系统传输容量的有效方法.本文对1.55μm波长用普通单模光纤和多级光纤放大器的波分复用系统,由色散补偿光纤补偿单模光纤色散,通过保持光纤放大器的输出功率小于饱和功率来限制光纤放大器的非线性和光纤的非线性效应.对波分复用系统中波道间串话和信噪比进行了分析和计算,得到了在波道间距和光滤波器带宽优化选择时的波道间串话和信噪比随复用波道数及级联光纤放大器数的关系曲线,并计算得到每个波道信号速率为10Gb/s的密集波分复用系统的传输容量.     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

十字模板的梯度快速运动估计算法

H.264标准中的运动估计部分占了50%以上的运算开销.在分析了图像运动矢量的中心偏置特性的基础上提出了基于十字模板的梯度快速搜索算法(CGS).该方法提取搜索中两个点蕴含的矢量梯度,配合十字模板,能够快速确定搜索方向和范围,逼近最优匹配点.运动搜索点数比六边形算法降低了36%以上,图像PSNR值比全搜索只下降了0.01dB.通过实验分析也证明了运动矢量中心偏置特性,该算法具有一定的应用价值.     

自适应构造与聚合多尺度代价体的双目立体匹配

基于卷积神经网络的双目立体匹配算法取得了重要进展，但现有方法在弱纹理区域、细节和边缘等位置仍然存在匹配不准确的问题.立足于双目立体匹配任务中常用的匹配代价体(cost volume),提出自适应构造与聚合多尺度代价体的双目立体匹配网络.首先将多个尺度的输入特征融合成为重组特征；然后设计可学习的特征增强模块，为各个尺度的匹配代价体恢复所需的细节信息；最后基于全局注意力对各尺度匹配代价体进行尺度内聚合，并提出自适应多尺度加权方法进行尺度间聚合，筛选出适用于回归各尺度视差的匹配特征.在SceneFlow和KITTI2015数据集上的实验表明：所提方法在较小网络规模的情况下取得了有竞争力的性能表现，验证了所提方法的有效性.