混沌直扩信号检测的最大Lyapunov指数方法

混沌直扩信号是一类兼有混沌信号和直扩信号优点的扩频通信信号,但带来优点的同时也使得传统直扩信号的检测方法不再适用于混沌直扩信号. 该文针对复杂环境下非合作混沌直扩信号检测的问题,分析传统直扩信号检测方法. 通过考察混沌特性判别混沌信号的方法,提出先通过C-C方法确定重要参数,以小数据量法计算接收信号的最大Lyapunov指数,实现对混沌直扩信号的检测. 验证了该方法在高斯噪声、衰落信道、多径信道、不同扩频比等条件下的适用性.     

基于构造物特征点的矢量数据化简算法

在进行公路矢量数据化简时,采用已有算法,一些构造物可能会在转换低比例尺时被不正确地化简掉,影响应用的正确性.提出了一种基于构造物特征点的二级矢量数据化简算法,根据空间位置提取高速公路中的构造物点,进行一级化简,构成构造物特征点,以每个特征点作为分割点,将整个曲线划分为若干子曲线,在每个子曲线中采用Douglas-Peucker算法进行二级化简,最后进行子曲线合并,并设计了一种多比例尺矢量数据组织的构建方法.实验表明该数据化简算法能够有效化简数据,并且保存完整的构造物特征点,选取的多级比例尺能够满足应用的需求.     

Data association based on target signal classification information

In most of the passive tracking systems, only the target kinematical information is used in the measurement-to-track association, which results in error tracking in a multitarget environment, where the targets are too close to each other. To enhance the tracking accuracy, the target signal classification information （TSCI） should be used to improve the data association. The TSCI is integrated in the data association process using the JPDA （joint probabilistic data association）. The use of the TSCI in the data association can improve discrimination by yielding a purer track and preserving continuity. To verify the validity of the application of TSCI, two simulation experiments are done on an air target-tracing problem, that is, one using the TSCI and the other not using the TSCI. The final comparison shows that the use of the TSCI can effectively improve tracking accuracy.     

基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code,STBC)识别中多种编码类型难区分的问题,提出了一种基于卷积神经网络的STBC盲识别算法.该算法首先将接收信号采用自相关函数的频域预处理,输入到卷积神经网络中对信号特征进行提取,全连接层对特征进行映射,实现对6种STBC类型的识别.仿真实验结果表明,在无信道和...     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中,随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差.针对上述的问题,结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model,NLMM)提出了一种可靠性改进的分析方法.首先,需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数.其次...     

基于生成对抗网络的气缸套表面缺陷图像生成

针对气缸套缺陷检测中缺陷样本不足限制气缸套缺陷检测性能提升问题,采用基于生成对抗网络的气缸套表面缺陷检测算法.首先,为了保持缺陷图像中原有缺陷位置与特征不变,通过循环生成对抗网络模型学习有缺陷气缸套图像与正常图像的关系;其次,利用学习得到的模型对有缺陷气缸套图像进行风格迁移,即把有缺陷气缸套图像背景替换成无缺陷气缸套图像背景,实现对气缸套缺陷数据集的扩充与增强;最后,通过基于数据增强的RetinaNet网络模型对生成图像的有效性进行验证.试验结果表明,通过生成对抗网络生成的气缸套数据集可以提升缺陷检测性能,进一步证明了生成对抗网络在工业应用的可行性.     

基于本地收益最大化的命名网内计算部署机制

命名网内计算(named in-network computing, NINC)是一种基于命名数据网络架构、在网络设备处提供泛在计算服务的新兴计算方案。如何有效在单个路由器上部署多个NINC服务,仍有待探索。针对这一问题,提出了本地部署收益与本地服务收益的概念,前者表征NINC服务本地部署后降低转发流量所获得的CPU资源节约量,后者表征所部署的NINC服务每消耗单位CPU资源所获得的流量处理能力。在此基础上,设计了一种基于本地收益最大化的NINC部署机制。该机制中,路由器周期性预评估拟部署NINC服务的本地部署收益与本地服务收益,进而将部署问题转化为一个背包问题,求解出优化的NINC服务部署方案。仿真结果表明,相较于基于流行度的机制,该机制能够有效提高网内计算流量处理能力,在网内计算服务所需数据量均匀分布的一般性场景下,单个路由器可获得约20%~27%的处理能力提升。     

基于可视化分析模型的汽车电控系统需求开发方法

为解决汽车电控系统需求开发过程中需求描述模糊不清、理解不一致问题,结合实际研发项目及CMMI-3等级认证过程的经验,提出了一种基于可视化分析模型的需求开发方法。首先,将复杂的汽车电控系统进行层级划分,从客户对整车顶层功能需求开始着手分析,通过用例场景建模定义系统与外部环境边界和交互关系,捕获顶层系统需求;然后,基于活动图和时序图可视化分析方法,对系统静态和动态行为进行细化分析,给出了不同层级需求挖掘思路及方法,并用需求图展示需求开发细节以及不同层级需求的追溯关系;最后,以触发柴油机颗粒捕集器DPF再生为研究案例,系统阐述了可视化分析模型的需求方法的应用过程,验证了所提方法的可行性与有效性,为汽车电控系统正向开发提供技术手段和指导建议。     

基于历史数据的测试任务约简和故障诊断

针对部队航电组件测试任务繁重、故障定位率低的问题,提出一种利用历史数据来简化测试任务、提高故障定位率的方法。利用粗糙集信息系统理论,建立了航电组件故障信息系统模型;基于测试任务辨识函数和诊断允许误差对测试任务进行约简;基于最短测试时间选出最优测试任务集;利用贝叶斯最大后验概率进行故障诊断推理,将诊断问题归结为不等式约束极值问题;用0-1规划隐数算法求得最优解。最后以某型飞机惯导部件为例验证了方法的快速有效性。     

基于状态-动作模型的中继卫星操作规划问题建模

通过分析中继卫星操作规划问题特点,提出一种基于状态-动作模型的任务规划建模方法。采用PDDL语言对中继卫星的领域知识进行描述,解决动作的持续时间约束、复杂资源约束以及一类特殊的外部事件的表达问题。最终建立的中继卫星操作规划模型表明,该方法较传统规划建模方法具有更强的描述能力。通过引入领域知识将操作任务规划问题分解为规模较小的子规划问题,并给出子任务对应的可选动作集合,从而减小了规划解的搜索空间,提高了求解效率。