改进的离差最大化决策模型及其在临近空间多任务规划中的应用

一些常用的多属性决策方法在处理多属性评价问题时,易出现评价结果相近,评价值差异较小、区分度不高等问题. 运用离差最大化思想构建的多属性决策模型,能有效拉大评价值间的差异,便于决策方案的优选和排序. 但该模型在实践中,只考虑了因属性值差异性引起的可变权重,忽略了评价指标本身的属性权重,易造成评价结果偏离真实结果. 鉴于此,对已有的基于离差最大化的多属性决策模型进行改进,综合考虑评价属性的可变权重和属性权重,设计了改进的离差最大化决策模型,并将该模型应用于临近空间多任务系统综合效能评估中,为临近空间多任务规划方案的排序及优选提供决策支持. 最后,通过算例,对比验证了该模型具有一定的适用性.     

异步LC-DS-CDMA信号的盲解扩

针对低信噪比下异步长码直接序列码分多址(direct sequence-code division multiple access, DS-CDMA)信号伪码序列难以估计的问题,提出一种基于嵌套迭代最小二乘投影和库搜索算法相结合的盲解扩方法。该方法先将接收到的异步长码DS-CDMA信号建模成含有缺失数据的短码DS-CDMA信号,并使用重叠窗对信号进行分段构造观测数据矩阵。然后,使用最大似然理论对其进行数学建模,并用嵌套迭代最小二乘投影算法实现各用户伪码序列片段的粗提取。最后,将提取出来的伪码序列在有限长的生成多项式库中进行匹配搜索,从而得到该序列的生成多项式。仿真实验及理论分析验证了该方法对异步长码DS-CDMA信号伪码序列估计的有效性。     

256比特以下整数乘法的快速实现

提出一种新的适用于256比特以下的整数乘法的软件实现方式,用软件实现大整数乘法时,一般采用所谓“纸笔运算”的方式,这种方式要求在内存中开辟一个区域来存放运算的中间结果,新的实现方式调整了乘法运算的步骤,充分地利用了寄存器组,几乎不需要用内存来存放中间结果,有效地减少了对内存访问的次数,从而提高了速度。     

Extracting multiple layers from data having graph structures

Much data such as geometric image data and drawings have graph structures. Such data are called graph structured data. In order to manage efficiently such graph structured data, we need to analyze and abstract graph structures of such data. The purpose of this paper is to find knowledge representations which indicate plural abstractions of graph structured data. Firstly, we introduce a term graph as a graph pattern having structural variables,and a substitution over term graphs which is graph rewriting system. Next,for a graph G,we define a multiple layer (g,（θ1, …,θk)) of G as a pair of a term graph g and a list of 4 substitutionsθ1, …,θk such that G can be obtained from g by applying substitutions θ1, …,θk to g. In the same way,for a set S of graphs, we also define a multiple layer for Sas a pair (D,@) of a set 5 of term graphs and a list 6 of substitutions. Secondly,for a graph G and a set S of graphs,we present effective algorithms for extracting minimal multiple layers of G and S which give us stratifying abstractions of G and S,respectively. Finally,we report experimental results obtained by applying our algorithms to both artificial data and drawings of power plants which are real world data.     

双目标代价函数自适应均衡算法

为了实现有效的高速通信,色散信道必然引入符号间干扰,克服干扰的有效技术就是均衡。为此,提出了一 个双目标代价函数,不同于以前的单目标代价函数,并给出了其实现算法和仿真结果,通过性能比较可以看出建议 的准则和算法是有效的。     

一种考虑多个指标的模糊数排序方法

将Chen的效用指标和模糊数的期望、方差结合起来,综合各自的优点,提出一种多指标模糊数排序方法．数值计算表明该方法在一定程度上克服了某些常用排序方法存在的缺点,具有较高的分辨率及较好的合理性。     

一种实用的四相混沌扩频序列

以改进型的Logistic-Map为基础,采用迭代法生成四相混沌序列.讨论了序列的敏感性、遍历性、抗噪性、自相关和互相关等特性,并对混沌CDMA直扩多用户系统多址干扰进行了分析与仿真.结果表明,四相混沌序列与二相混沌序列相比,具有周期多,复杂度高,抗干扰能力强等特征,更适合充当扩频通信中的扩频序列.     

脉冲中子法检测煤的全水分

给出了利用脉冲中子发生器产生的快中子的非弹性散射[n,n′γ]反应和热中子的俘获[n,γ]反应,对煤的全水分进行分析的原理和方法.采用BGO(锗酸铋)探头作为γ射线探测器,通过多元回归分析方法,较好地解决了元素间的干扰问题.用脉冲中子法测得的全水分分析值与化验值的偏差不超过0.5%.     

基于聚类算法的选择性神经网络集成

为了提高集成个体的差异度,提出了一种利用聚类算法去除冗余个体的选择性集成方法,该方法通过使用神经网络作为基学习器,并在多值分类数据集上进行实验．结果表明,该技术计算效率高,精度与稳健性也与基于遗传算法的选择性集成方法相当甚至占优．     

一种新型的针对频率选择性MIMO信道的空时分层检测算法

在FS-BLAST算法的基础上,提出了一种改进的适用于频率选择性多输入多输出(MIMO)信道的接收方案,该方案采用部分最大似然分层检测,其主要思想是在空时分层检测的基础上,部分地引入最大似然(ML)检测,从而有效地克服FS-BLAST类算法由于误差扩散所导致的系统性能下降的缺点.该方法的特点是仅对接收信号的一部分使用最大似然检测,因此,计算量并没有太大的增加.另外,该方法可以自由地选取进行最大似然检测的信号维数,因此可根据实际系统特点在计算复杂度和误码率性能间选取最优折衷.