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.     

不同维的混沌系统的自适应函数投影同步

本文对维数不同并且参数未知的两个不同的混沌系统,通过增补维数的方法研究了两个系统的自适应函数混沌同步和参数识别问题.基于Lyapunov稳定性理论和自适应同步法,为系统设计了合适的自适应同步控制器和未知参数的辨识规则,实现了系统的混沌同步和未知参数的辨识.数值仿真验证了所设计的控制器和参数辨识规则的有效性.     

多同性源激发极化法超前预报仪的设计与实验

多同性源激发极化法的出现与应用,是激发极化法在方法的上的突破,但与之相适应的预报仪器是制约该方法的瓶颈。通过基于MSP430逆变、整流以及逆变整流控制模块实现4路可控输出,采用FPGA实现对电压、电流的4路同步采集与信号传输,设计量程自动切换模块与软硬件相结合的信号去噪方法,实现多同性源激发极化超前地质预报仪的设计;对设计预报仪的信号采集精度与运行稳定性进行室内定性与定量实验。结果表明,该仪器能够达到工程探测的准确性、实用性与可行性要求。     

多算法融合的疲劳驾驶监测算法设计与实现

现实中基于图像处理的疲劳驾驶监测往往因环境的变化而具有不确定性。监测算法不规范,以致于疲劳驾驶监测任务很具有挑战性。为了解决此问题,提出了一种基于多算法融合的动态滑动窗口算法框架。首先利用Adaboost算法识别人眼,然后改进Otsu算法来自适应各种不同环境;进而提出动态滑动窗口算法来得到睁闭眼之间的最佳阈值;最终,利用改进的PERCLOS算法估计疲劳驾驶状态的不同级别。针对环境的变化采用睁闭眼判断窗口随人眼特征变化而更新的策略,系统使用摄像头实时捕获人眼图像,并在PC机上进行仿真测试,可在130~150ms之间实现不同疲劳状态的识别。实验结果表明,此算法框架能够有效、快速的分辨驾驶员不同的疲劳状态。     

基于MIMO系统的多关节机械手自适应模糊控制系统的设计

针对机械手运行过程中存在着不确定性因素的干扰,设计出自适应模糊控制系统,该系统的控制算法是利用MIMO(多输入多输出)模糊系统来逼近存在的误差。用鲁棒自适应控制律,来消除逼近误差造成的影响,可以有效地保证系统运行的稳定性,减少了模糊控制规则的数量。通过实验验证和计算机仿真可表明该算法的有效性。