使用小波分层连通树结构的压缩信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时,则存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显的改善。     

用非概率理论分析混合不确定性结构的可靠性

针对不确定性结构可靠性分析中的输入变量分布参数具有不确定性和输入变量为区间模型的混合不确定性结构展开研究。考虑到可用信息最少的情况,将分布参数的不确定性描述为区间模型。通过等概率转换方法将随机变量与其分布参数进行分离,使问题转化为随机与区间变量混合的可靠性问题,建立了混合不确定性问题的可靠性分析模型。基于非概率可靠性理论,建立混合不确定结构分析模型的二级极限状态函数并结合Kriging代理模型建立了高效的求解方法。将所建立的混合不确定模型应用于飞行器结构的不确定性分析中,验证了所建模型的合理性和所提方法的高效性和准确性。     

垃圾评论自动过滤方法

针对互联网上存在的大量垃圾评论,提出一种基于电阻网络的垃圾评论检测方法,该方法用电阻距离来度量评论之间的上下文语义相似性,把整个评论数据表示成一个电阻网络,把垃圾评论当作该网络上的语义离群点来处理,根据网络节点对电阻网络平均电能消耗的影响,建立电离群因子来度量数据的离群程度,以此来识别垃圾评论。实验证明了该方法的有效性,在多个数据集上取得了较好的效果。     

单组点堆中子动力学方程的解析解

针对有外加中子源单组点堆中子动力学方程组的快速求解问题,提出了常数变易法和同伦分析方法,通过理论推导获得了单组点堆中子动力学方程组解析解,然后对3种不同刚性情况下的阶跃反应性引入的例子进行了求解和数值分析,验证了所得解析解的正确性。     

影响水下距离选通激光图像光学相关识别的若干因素

针对水下距离选通激光图像光学相关识别技术的应用,研究了引起图像畸变从而导致光学相关识别相关峰输出效率降低的若干因素,并通过实验的方法采集了不同系统参数设置下的激光成像图片,然后采用相位匹配的方法对图片进行相关性分析,同时应用PCE、Disc等指标联合评价输出的相关峰质量,从而衡量各因素所引起的成像畸变对光学相关识别性能的影响程度.MATLAB软件仿真结果证明:激光单脉冲能量、ICCD增益、成像距离等因素变化均会引起图像相位特征畸变,导致相关识别鉴别率降低.该结果可为建立水下距离选通成像系统控制模型和设计匹配滤波器提供参考.     

隧道出入口照明智能控制研究

针对隧道出入口段照明能耗大、行车舒适性差的缺点,依据隧道外亮度传感器采集的数据,通过单片机分组控制出入口段照明灯具,满足车辆出入隧道时驾驶员的明适应和暗适应需要。该法不但提高了驾驶舒适性,而且减少了能耗,降低了运营费用。     

机载光电传感器视轴指向的智能辅助决策方法

机载光电传感器视轴应尽可能接近目标线,以缩小指向偏差而不使目标偏离传感器瞬时视场,飞行员在复杂的战场态势下进行视轴操控具有一定困难。针对该问题,提出了一种机载光电传感器视轴指向的智能辅助决策方法,该方法以传感器视轴指向的数学模型为基础,通过专家知识建立引导规则,完成目标与各传感器的配对;计算配对后的各传感器视轴指向偏差和偏差变化率,采用模糊控制算法得出视轴偏移率,引导各传感器视轴指向与之配对的目标。仿真结果表明了该方法能够合理引导各传感器视轴指向目标,并能将视轴指向偏差缩小在很小的范围。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。     

基于使命和方法框架的武器装备体系结构建模

针对武器装备体系的特点,提出一种基于使命和方法框架(M iss ions and M eans F ram ew ork,MM F)的武器装备体系结构建模方法。MM F模型包含使命的确定、方法的分配和使命完成的评价。采用使命-方法框架对武器装备体系进行组织和描述。在自上而下的规划和决策过程中,实现了使命的确定和方法的分配,以数据要素的形式完成对武器装备体系结构模型的构建。并以"超地平线登陆"作战装备体系为例,验证了该方法的可行性。     

多UCAV任务分配有限阶段MDP方法和算法

多UCAV(Unmanned Combat Air Vehicle)任务分配是无人机作战决策的重要内容,是一类求解困难的组合优化问题,目前尚无成熟高效的解决方案.通过马尔可夫决策过程(MDP)将任务分配问题化解为分阶段序列决策过程,并对当前阶段决策状态采用单一整数编码,提出了基于有限阶段MDP的求解算法.通过仿真实验表明:该算法可以快速精确地解决多UCAV任务分配的问题.