遗传算法在目标跟踪中的传感器分配算法

传感器在进行目标跟踪时,常规算法主要通过线性规划建立传感器与目标之间的分配方法.但是在对多目标和多传感器的战场环境中,这些方法有一定局限性.研究了基于遗传算法的传感器分配方法,通过构造符合传感器分配这一特殊问题的染色体,从而形成初始种群,然后利用遗传算法模拟生物遗传迭代和自然选择的遗传机理,通过多次选择最终收敛于问题的一个满意解.仿真显示,在大数据运算的环境中,该算法有更高的可行性和有效性.     

一种BM模式匹配的改进算法

分析了几种模式匹配算法,通过对BM模式匹配算法的研究,提出一种基于BM模式匹配算法的改进思路.改进算法通过对模式串的预处理提高匹配跳跃的步长,从时间和空间复杂度分析,该改进算法提高了模式匹配的效率,实验证明模式字符串的重复率越低的情况下可以大大提高匹配的效率.     

加权模糊Petri网的推理算法研究

将加权模糊Petri网与矩阵运算相结合，提出了一种推理算法，实现知识的推理运用。该算法利用了加权模糊Petri网的并行处理能力，将复杂的推理过程采用矩阵运算实现，充分考虑了多种约束条件，具有简单、高效、易于实现等优点，适合大型复杂加权模糊Petri网的推理计算。最后以实例对算法进行了验证。     

GPS L1C信号LDPC译码器设计

GPS现代化中的L1C信号使用了LDPC码,以提高接收机的弱信号接收能力。L1C信号中使用的LDPC码没有循环或准循环结构,这为译码器设计带来了难度。为了降低译码器实现复杂度,在分析L1C信号LDPC码校验矩阵结构的基础上,通过对校验节点分类和改变变量节点更新方法,提出了一种低存储量和简化译码器控制逻辑的低复杂度译码器结构,并通过仿真验证了译码器译码结果的正确性。     

一种基于数据辅助的PSK信噪比估计新方法

针对复高斯信道中的PSK系统,文章提出了一种新的简便的信噪比估计算法。与传统的基于数据辅助的信噪比算法比较表明,新算法在保持较好的估计性能的同时,能够有效的降低计算复杂度,适合硬件实现。     

基于二阶锥规划的MIMO雷达稳健自适应波束形成

针对MIMO雷达自适应波束形成中期望目标导向矢量的失配问题,提出了一种基于二阶锥规划(SOCP)的稳健自适应波束形成算法。该算法首先将1个MN维(M,N分别为发射和接收阵元数)的权矢量分解成2个低维(1个M维和1个N维)权矢量的Kronecker积,然后分别限制实际的目标发射导向矢量和目标接收导向矢量与假定的导向矢量之间的误差范数的边界,通过优化最差性能,利用SOCP求得分解后的2个权矢量,最后再合成原权矢量。通过降维处理,算法在保证波束形成器性能的基础上,有效地降低了运算复杂度。仿真结果验证了算法的有效性。     

基于GM(1,1)模型的电磁环境复杂度预测方法

分析了以往电磁环境复杂度计算存在的问题,利用灰关联模型重新定义了电磁环境复杂度,采用GM(1,1)模型对电磁环境复杂度进行了预测,仿真结果验证了该方法的可行性和合理性。     

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.     

集成运算放大器的误差分析与补偿方法

本文从应用角度出发,对集成运算放大器主要参数引起的运算误差,进行了深入的研究。在分析方法上采用先研究单项参数对误差的影响,然后对各单项误差进行综合,得到一般表达式。最后,给出明确的结论和补偿方法。     

计算机中的大整数运算技术

对计算机中大整数的“模”“乘”算术运算问题提出了一种快速而有效的算法,即利用汇编语言编程途径实现“模”“乘”的算术运算,并将其嵌入到C语言中用数组实现数据的空间分配.