变换域通信系统的分形门限研究

变换域通信系统中,存在无法准确辨识的各种复杂干扰和难以找到对各种干扰均适用的阈值问题.基于分形理论的谱峰检测思想,提出分形门限概念,采用以盒维数为判据的谱峰检测算法,对干扰频谱的起点、终点进行判断,据此对干扰进行剔除,从而达到降低误码率的目的.仿真实验表明:该算法能显著降低变换域通信系统的误码率,特别对TDCS抗70%部分带宽干扰,改善尤为明显,达1dB以上;而对于TDCS抗线性调频干扰条件下,在大干信比时,对误码率的减小最为明显,约为1.7dB.该算法简单可靠,对提高变换域通信系统的抗干扰能力具有实用价值.     

可跨工位操作的随机混流装配线平衡问题研究

装配线平衡问题是在满足一定约束的条件下,将一系列任务单元分配到各个工位上,使其工作强度与利用率相适应.研究了带有跨工位操作,且任务单元完成时间为随机量的一类特殊装配线平衡问题,目标是缩短整个生产过程中的总任务超载时间;参考机会约束规划的思想,建立了α任务超载时间最小化模型;结合随机模拟和遗传算法设计了混合遗传算法以求解,并通过实例仿真验证了算法的有效性.     

基于改进离散微粒群优化算法的混流装配线多目标排序

产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题.提出改进离散微粒群优化算法来解决混流装配线多目标排序问题.提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率.引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能.分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围.提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法.改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于GPS载噪比下降的太阳射电暴检测方法

利用太阳射电暴影响全球定位系统(global positioning system, GPS)性能这一特征,提出一种基于GPS载噪比下降的太阳射电暴检测方法。首先计算观测地的太阳高度角,接着筛选出“降点”和“升点”用于确定单个观测地单颗卫星的波谷时间区间,最后综合多颗卫星和多个观测地得到太阳射电暴的检测结果。实验结果表明:太阳射电暴检出率随太阳入射角的增大而增大,在L2频段对600太阳流量单位(solar flux unit, SFU)以上的太阳射电暴检出率达到80%以上,在L2频段检出效果优于L1。该检测方法识别率高,成本低,不依赖于射电望远镜,能进行全天候实时的监测。     

时宽-波形基联合捷变的LPD通信波形

为了提升通信信号的低检测概率(low probability of detection, LPD)性能,从降低通信波形各域能量聚敛性的角度,提出时宽-波形基联合捷变(joint agility of time width and waveform bases, JATW)的波形构架。基于此构架,以切普扩频(chirp spread spectrum, CSS)和正弦扩频(sinusoidal frequency spread spectrum, SFSS)为波形基,采用变时宽(varied of time width, VTW)参数配置方法,提出基于VTW-CSS/SFSS混合波形的LPD通信波形。采用数学推导辅以数值仿真分析的方法,分析所提出波形的各域能量聚敛特征。理论分析和数值仿真结果表明,相较于CSS和SFSS,所提波形的各域能量聚敛性明显较弱, JATW的波形构架有助于提升通信波形的LPD性能。     

一种基于工作流网的游戏作弊检测系统

游戏作弊对网络游戏危害很大,目前反作弊技术的瓶颈是效率低并且过多依赖于签名匹配。提出一种高效且不依赖于签名匹配的游戏作弊检测系统,用工作流网对作弊行为建模,通过流程树对作弊行为模型进行融合,在不影响检测结果的前提下节省存储空间。用热门网游的作弊软件对系统进行实验,存储空间降低率达到约60%,证明了该系统框架是可行、有效的。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。     

目标检测中的传感器管理方法研究

基于假设检验的方法,研究了目标检测与定位中的传感器管理方法,给出了一种最大后验概率法,讨论了另外两种基于贝叶斯推理的最大正确检测概率法和最小代价函数法。通过仿真改进了最大正确检测概率法,对三种不同方法的检测正确率和平均采样次数进行了比较,分析了各种方法的适用场合。