新一代无线电平台数字射频核心技术研究与工程实践

无线电平台数字射频是提高现代无线电系统复杂电磁环境适应能力、机动能力、传输能力和综合集成能力等基础性能的关键.本文分析了射频技术的发展需求和国内外数字射频领域的研究进展,以及模拟射频核心单元——模拟射频功放主要指标相互矛盾的机理,并将数字射频概念扩展到综合数字射频,重点论述了数字射频核心技术——数字射频功放和全数字发信机的基本原理、优势和关键技术,提出了基于系统与工艺相结合的数字射频设计方法、数字射频功放的物理模型和一种全数字发信机体系结构以及我国自主可控发展数字射频的技术路线建议.本文认为在当今时代背景下,数字射频对于新一代无线电平台具有革命性和可行性;如果不能自主可控发展该项核心技术,我国又将出现一个新的受制于人的脆弱点.     

具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks, RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。     

医院图书馆存在的问题及对策

针对我国大多数医院图书馆现存的经费不足、馆舍陈旧、书刊使用率低、管理意识落后、图书管理员的综合素质偏低等问题,提出了提高医院图书馆服务质量的对策和建议。     

现代超市与图书馆读者服务的新模式

现代图书馆应以“互联网和信息高速公路”为依托,引进现代超市的理念,最大限度地缩短读者与信息之间的距离,最大限度地发挥文献信息的作用,使读者服务工作有所创新、富于特色,吸引更多读者。     

浅议企业竞争情报工作存在的问题及解决办法

对企业竞争情报的内涵及作用进行了简单的论述,并且针对我国企业竞争情报工作的现状及问题,提出了相应的解决办法。     

高校图书馆的读者服务工作

读者服务工作是高校图书馆的中心工作。从加强服务意识,提高服务质量,建设一支高素质的馆员队伍等方面论述了高校图书馆的读者服务工作。     

服务业外商直接投资动因分析

从邓宁的国际生产折衷理论出发,从所有权优势,内部化优势以及区位优势的角度,并以中国为例,具体阐述了外商对华服务业直接投资的动因。     

图书馆环境与读者健康

阐述了图书馆环境对读者生理及心理健康方面的影响,指出构建和谐的绿色图书馆是一项长期的工作任务,需要人们转变思想观念,同时争取社会各界的积极支持和广泛参与。     

基于抗差估计和改进AIME的缓变故障检测方法

为了解决经典缓变故障检测法——自主完好性监测外推法(autonomous integrity monitoring extrapolation, AIME)在组合导航中检测故障延迟时间较长和不能准确判定故障结束时刻的问题, 提出了基于抗差估计和改进AIME的缓变故障检测方法。该方法采用标准t分布和IGG-Ⅲ (Institute of Geodesy & Geophysics Ⅲ)方案设计自适应增益矩阵以缓解卡尔曼滤波故障跟踪的影响。同时, 结合AIME故障检测状态, 提出由外推法和残差卡方检验(residual chi-square test method, RCTM)故障检测统计量构成的r_A/R统计量概念, 然后在AIME检测到缓变故障的状态下利用样本分位数原理对r_A/R序列进行异常值检测, 从而判断缓变故障结束时刻。仿真结果表明, 在检测缓变故障时, 所提方法可明显缩短故障检测延迟时间, 并能够准确判定故障结束时刻。     

P_MOEA：一种多目标决策辅助遗传算法用于服务组合QoS优化

在服务组合场景下,SLA约束下的服务组合优选是实现服务质量管理的重要基础之一．服务组合优选既是一个组合优化问题同时也是多目标决策问题,需要高效的算法以支持大规模的候选组合方案集合,同时也需要有效的评价模型来明确定义候选方案的优劣程度,从而为决策者提供支持．现有的服务组合优选方法多基于两种模型定义其优化目标：线性效用函数和Pareto最优．前者需要量化权重配置以定义效用函数,但是对于用户来说精确的量化权重配置是一个非常困难的任务,特别是在涉及到的QoS维度较多时;后者无需权重配置,将Pareto最优的skyline集合作为优化结果返回给用户,然而skyline集合的规模是不可控的,最优结果集的规模会随着问题的规模增大而显著增大,过大的最优结果集显然难以为决策者提供有效参考,针对上述传统方法的不足,在本文中,我们将PROMETHEE方法弓I入服务组合优选问题,结合Pareto和PROMETHEE两种评价模型,将skyline集合基础上的Top—kPROMETHEE最优方案作为优化目标,提出并实现了一个高效的遗传算法：P—MOEA．算法可以针对大规模问题,高效地返回Top—kPROMETHEE最优组合方案集合,从而为进一步的决策提供有效的参考．我们实验验证了算法的效率和有效性．