基于航空公司的航班计划优化与延误预测

随着中国民航业的快速发展,航班延误情况一直较为严重.建立了航班计划优化模型,将软备份运力分配在飞行时间和过站时间中,提高了航班的正常率、起飞的准点率和航班串的鲁棒性;为了进一步提高航班的正常率,追踪航班串中各航班的过站机场和离场时间,用加权马尔科夫链预测处在该时间段的过站机场的延误状态,并针对不同的延误状态作出相应的延误预警,提高了航班运营的可靠性.     

安全存储医疗记录的区块链方法研究

针对医疗信息系统中存在的医疗信息记录存储的安全和隐私保护问题,结合区块链和云存储技术,提出了一个医疗记录安全存储方案.该方案利用区块链来保存医疗记录的公共信息、匿名身份和访问权限,使医疗记录的真实数据加密保存在链下存储结构中,有效实现了病人对个人医疗数据的所有权和访问权限的控制以及对敏感医疗数据的安全存储.     

基于马尔可夫链的国内废水排放量预测

应用马尔可夫链对废水排放量进行动态预测.结果表明,马尔可夫链模型预测的数值与实际数值一致:2015年排水量处于478.5～587.5亿吨,高于652.9亿吨的可能性最大,2016年处于高于652.9亿吨的可能性最大.预测结果与实际废水排放量相吻合,说明用马尔可夫链模型来预测废水排放量是合理有效的.     

基于马尔科夫决策过程的多目标跟踪算法

目前,多目标跟踪算法仍面临诸多挑战,例如遮挡、快速运动等所造成的影响难以完全规避.为了解决上述问题,提出一种基于马尔科夫决策过程的多目标跟踪算法.该算法将每个目标建模成一个马尔科夫决策过程,通过最大化奖励函数来驱动状态间的转移,并将强化学习训练用于数据关联相似度函数,有效地解决了目标遮挡问题.同时,为了解决物体快速运动...     

一种基于代理模型引导采样的多目标优化方法

针对复杂的实际工程多目标优化问题,提出代理模型引—手采祥的多目标优化方法。通过自适应的加强径向基函数构造的代理模型寻找Pareto优化解集,从找到的解集中通过一定策略筛选出部分作为样本点加入到下代样本空间中,样本点随着迭代的进行越来越靠近全局Pareto最优解集。从当前所有样本点中获得Pareto解,并根据其分布情况作为收敛条件。该方法中代理模型仅仅用来引导采样,也不需要反复计算大量样本点验证代理模型的精度,得到的解都被实／承模型验证过。在雌利害目标测试函数中体现了精度和效率。最后成功应用于薄板冲压成形变压边力优化中,表明了具有解决多目标实际工程优化问题的能力。     

非数据辅助的OFDM系统联合同步算法设计

研究了正交频分复用(orthogonal frequency division multiplexing, OFDM)系统中非数据辅助的同步问题,通过对OFDM时域信号延时相关函数进行分析,设计了一种非数据辅助且具有较低复杂度的联合采样频率、载波频率及符号定时同步算法。算法根据延时相关函数以OFDM符号率为周期的周期特性,首先从延时相关函数的模中提取OFDM符号的周期标记,通过对收端和发端在相同时间内的采样点数之比进行采样频率偏差(sampling frequency offset, SFO)估计;然后通过对延时相关函数的模进行分段平均,从中提取去除循环前缀(cyclicprefix,CP)的开始时刻,从而进行符号定时同步和载波频率偏差(carrier frequency offset, CFO)估计。仿真结果表明,算法性能受累积时间长度和CP长度影响较大,而受OFDM基带调制方式影响较小;与其他同类文献相比,本文的联合同步算法具有较低复杂度和较好的性能。     

基于非均匀采样谱分析的多普勒解模糊处理

针对低脉冲重复频率（pulse repetition frequency, PRF）脉冲多普勒雷达的多普勒解模糊问题,提出了一种基于非均匀采样谱分析的多普勒解模糊处理方法。通过利用多重PRF方式下相参处理间隔内采样数据的时域非均匀特性,算法采用一种改进的复值迭代自适应方法直接估计无模糊多普勒谱的幅度响应,可实现PRF分组参差方式下对多个目标的解多普勒模糊处理。仿真结果验证了算法的有效性。     

变采样周期网络控制系统的非脆弱保性能控制

研究了一类具有随机时延和控制器增益扰动的非线性网络控制系统的非脆弱保性能控制问题。基于变采样周期的方法,将网络控制系统建模为非线性Markov跳变系统。利用Lyapunov稳定性理论,给出了保证整个闭环系统均方随机渐近稳定的充分条件。通过线性矩阵不等式的方法,设计了一种非脆弱状态反馈控制器,在该控制器的作用下,闭环系统的能量函数值不超过一个规定的上界。仿真算例说明了所提方法的有效性。     

基于压缩感知的GPR成像算法

传统的探地雷达(ground penetrating radar, GPR)数据采集需要满足Nyquist采样定理,严重影响了GPR成像效率。基于压缩感知理论,稀疏信号可以在远低于Nyquist采样率的情况下通过求解l₁范数约束下的凸最优化问题得到精确恢复,克服了传统算法中数据采集的局限。将压缩感知理论应用于GPR成像,利用仿真数据系统分析了测量矩阵维度、信噪比、数据损失程度和目标密集度等因素对成像结果的影响。实验结果表明,与传统的GPR成像算法相比,压缩感知成像算法成像精度高,虚警少,对噪声和数据损失有一定的鲁棒性,可以大大节省数据存储空间和采集时间。