近景摄影测量标志中心的自动提取算法

提出了一种针对不定形状近景摄影测量标志中心的自动提取算法.结合近景摄影测量的工程实践,在控制信息预测的基础上实现自适应Canny算子提取标志边缘,利用边缘提取结果自动聚类的方法重建标志边缘.以北京故宫午门和武汉大学校园升旗台建筑测量工程为例说明该方法能够大大减少标志量测的工作量.     

基于 ANFIS云推理的网络学习评价

将云模型与ANFIS结合,利用云模型代替模糊神经网络的隶属度函数,构成ANFIS云推理网络并应用到学 习效果评价中.实验表明,ANFIS云推理网络是一种有效的学习评价工具,抗干扰能力较强.     

迭代接收下高效链路自适应传输方法

针对3GPP LTE下行传输链路,研究迭代接收情况下的高效链路自适应(LA,Link Adaptation)方法.首先,给出迭代接收后验信干比及等效信噪比的计算方法;然后,利用传统LA方法确定秩指示和信道质量指示的取值范围;接着,提出高效LA方法,该方法仅在秩指示和信道质量指示的范围内确定反馈参数,减少了后验信干比及等效信噪比的计算次数,从而降低了在线吞吐量预测的计算量;最后,仿真结果表明,所提LA方法的吞吐量优于传统LA方法,满足链路服务质量并且获得了3.5 dB吞吐量增益.     

导弹编队飞行控制方法研究

为实现多导弹协同作战时的编队飞行,基于滑模变结构、自适应及非线性动态逆控制理论研究了导弹编队飞行控制方法. 在领弹的速度、加速度以及从弹的速度未知的前提下,将领弹与从弹的相对速度以及领弹的加速度视为可估计的有界不确定量,基于滑模变结构控制理论提出一种仅需弹间相对位置和相对速度信息的鲁棒编队控制律. 采用边界层法消除了系统的抖颤现象,并根据编队稳态误差的要求分析了边界层厚度的设置方法. 运用奇异摄动理论将导弹非线性动力学系统划分为3个快慢变化不同的子系统,考虑系统所受的外部干扰并将其视作有界不确定量引入慢变子系统中,基于自适应变结构控制和非线性动态逆控制理论,设计了具有鲁棒性的导弹编队自动驾驶仪. 仿真结果表明,导弹编队自动驾驶仪能够准确跟踪编队控制指令,实现多导弹的编队飞行.      

基于数据预处理的改进GS正交化波束形成

针对常规Gram-Schmidt（GS）正交化算法在训练快拍中混有期望信号时,自适应波束会出现期望信号相消的问题,提出了基于数据预处理的改进GS正交化波束形成算法. 该算法构造阻塞矩阵进行数据预处理剔除期望信号,估计对应的协方差矩阵,并对其进行GS正交化重构干扰子空间,将静态加权矢量向干扰子空间作正交投影得到自适应权矢量. 同时,为准确估计干扰子空间,对协方差矩阵的正交化自适应门限进行了修正. 仿真结果表明,所提算法的输出信干噪比（SINR）比其它GS正交化算法有2 dB以上的性能改善.      

适用于TEDS系统的AMC与HARQ结合算法

研究陆地集群无线电增强数据业务（TEDS）中的自适应调制编码（AMC）与HARQ结合算法. 该算法采用基于SNR的切换门限判别法进行调制编码方式的选择,采用大数逻辑译码算法进行重传数据帧的合并. 仿真结果验证了所提出的算法可有效地提高TEDS系统数据传输的可靠性,当最大重传次数为2时,所提出的算法能够使系统的误帧率由36.49%下降到6.93%.      

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

求解大规模可靠性问题的改进差分进化算法

针对差分进化算法典型变异算子的局限,设计了全局加速的变异算子,进而提出全局加速的自适应改进算法.新变异算子能够均衡全局搜索与局部搜索,提高寻优效率.根据差分向量与整个种群分布范围的关系,有针对性的设定变异率值,减缓搜索范围缩小的趋势,保持较高的种群多样性.采用两区间选择策略,通过学习和比较自适应地调整交叉率,使其满足进化搜索的需要,同时提高算法的通用性.将改进算法应用于大规模可靠性问题中,实验结果表明,改进算法在解决大规模系统可靠性问题时具有更好的寻优效果.     

基于ICA的自适应图像融合技术

将图像融合分成两个过程,即训练过程和融合过程。在训练过程中,将二维图像信息转换为一维信息,然后进行独立分量分析（Independent Component Correlation Algorithm,ICA）的分解,从而得到分离矩阵和融合矩阵。融合过程中采用自适应算法对训练过程中分离系数进行处理,得到新的融合系数。利用新的融合系数通过融合矩阵来恢复图像。     

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.