三维瞬时极化滤波器

以高频地波雷达为背景 ,提出了三维极化滤波方法 ,此方法能够滤除二维极化滤波不能抑制的干扰 ,扩大极化滤波的干扰抑制范围。为实现实时处理和自适应快速变化的干扰 ,推导了一种瞬时极化滤波算法 ,该算法可以根据单样本建立滤波极化矢量 ,按照取样率的速度自适应干扰极化状态的变化 ,为算法的实时处理提供了可能性。     

舰载反导跟踪算法与模型分析

反舰导弹构成了现代舰艇的严重威胁 ,对反舰导弹精确跟踪是反导防御成功的重要前提。针对比例制导的飞航式反舰导弹弹道的特点和机动特征 ,提出了跟踪此类目标的两种新算法———基于自适应模型的算法和基于自适应交互多模型的算法。仿真实验证明 ,这两种各具特点的算法都有足够的适用性能。     

遗传算法和遗传规划对比研究

通过对遗传算法定向搜索机制和遗传规划搜索机制的研究比较,可以看出,依据遗传算法的基本思想设计遗传规划的进化算子时,由于算子空间过大而导致盲目搜索。通过对遗传规划的研究,提出了一套有定向机制的进化算子,进而设计和实现了基于这一套算子的遗传规划算法。     

基于遗传算法的管理信息系统的智能分解

将遗传算法原理应用于管理信息大系统的结构化分解,并对具体分解技术进行了详细描述,最后对一个具体实例进行了仿真计算。仿真说明,该算法具有全局快速收敛性、并行性和极高的分解效率。     

重图的T-染色

重图的T-染色是图的T-染色的一个较为实用的部分,这是因为在研究频率分配时,干扰可能会在不同的水平上发生.由于一个重图G能够被剖分成K个不同部分,用G(y,G0,G1,……,GK-1)来表示G.重图G(V,G0,G1,…,GK-1)的一个T-染色是指一个函数f,f满足同时是Gi的T(i)染色,即:对(A)i=0,1,……,K-1,{x,y}∈E(Gi)(→)|f(x)-f(y)|(∈/)T(i).G的f染色的色数是指值不同的f(x)的个数,记作:XT(f).其中x∈V(G).G的f染色的跨度等于max|f(x)-f(y)|,记作:spT(f),其中{x,y}∈E(G).G的T-染色的色数和跨度分别记作XT(G)和spT(G),当f取遍所有G的T-染色时,XT(G)=minXT(f),spT(G)=minspT(f).本文将给出一些关于重图的T-染色的已知结论,同时还将给出一种计算重图的spT的新算法.     

实验室智能排课的研究

针对目前实验室排课的具体情况,提出实现实验室排课的智能化的理论方法.通过分析实验室排课的资源集和约束条件,推导出实验室排课需求集(RCRL),从而提出了一种实验室智能排课的求解算法-AICRL.     

带混合算子的自适应遗传算法的收敛性研究

针对标准遗传算法存在搜索效率不高以及过早收敛的问题,利用自适应遗传算子提高算法的优化性能,并结合混合算子增加种群的多样度,设计了一类带混合算子的自适应遗传算法,给出了该算法的具体实施步骤,利用Markov链理论研究了该算法的收敛性问题,并通过模拟实验分析了该算法的性能。实验及分析表明,该算法切实可行,可操作性好,具有一定的通用性。     

遗传进化算法搜索斜坡最小安全系数的研究

介绍了斜坡滑裂面搜索问题和遗传进化算法,并试用遗传进化算法从斜坡任意形状滑裂面组合中搜索最有可能的滑裂面,也就是安全系数最小的滑裂面.作为实例,分析了遗传进化算法在天生桥二级电站首部枢纽进水口右岸滑坡案例中的应用.分析结果表明,在搜索斜坡滑裂面问题上遗传进化算法较其它搜索算法具有准确性和可靠性的优势.     

利用启发性知识降低交叉算子破坏性的研究

在随机搜索的过程中,交叉算子被认为是演化算法的主要动力.然而,在搜索更好的候选解的时候,如果交叉点选择不当就会破坏一个已有的较好的候选解,使得交叉后生成的新候选解比原有的候选解更差.该文提出应用与问题相关的领域知识构建更有建设性的交叉算子,并应用于旅行商问题(TSP).实验结果表明,基于具有建设性的交叉算子的混合演化算法具有更好的性能.     

短波跳频FH/QDPSK系统信道自适应监测的研究(Ⅱ)

基于短波跳频FH/QDPSK系统的FFT解调,利用FFT解调的结果,提出了在瑞利衰落信道中对信道的BER进行实时自适应监测方法,该方法利用伪错监测及其非线性外推较好地解决了在较短的监测时间内获得较为精确的监测结果。模拟结果表明,采用伪错的非线性外推算法,其估值的最大绝对误差不超过0.28,最大相对误差不超过12.1%。