一种火炮快速解命中问题的新方法

在火炮解命中过程中,对于射表数据的处理方法主要有逼近法和插值法.基于对射表数据进行插值处理的基础上,用一种解非线性方程的迭代方法对解命中问题进行研究,这种方法可避免导数计算,收敛较快.经仿真计算,并与其他方法进行了比较,验证了该方法在火炮解命中问题中的可行性和优越性.     

无限可数多个非扩展映像的公共不动点的迭代算法研究

在Kikkawa和Takahashi的迭代算法基础上,引入了Mann迭代序列。采用杂交投影的方法,对这些算法作了一些修改,并证明了修改后的算法的强收敛性。     

关于强增生算子的有限族的强收敛定理

提出了Banach空间中非线性增生算子方程带误差的三重迭程式, 研究了多个非线性增生算子解与多个强伪压缩映象的公共不动点逼近问题, 获得 2个收敛定理。     

基于BP神经网络的极移预报*

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出BP神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

BP神经网络在极移预报中的应用

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出反向传播(Back Propagation,BP)神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

CPU-GPU协同加速Kriging插值的负载均衡方法

Kriging插值算法被广泛应用于地学各领域,有着极其重要的现实意义,但在面对大规模输出网格及大量输入采样点时,不可避免地遇到了性能瓶颈。利用Open CL和Open MP在异构平台上实现了CPU与GPU协同加速普通Kriging插值。针对Kriging插值中采样点的不规则分布及CPU和GPU由于体系结构差异对其的不同适应性,提出一种基于不同设备间计算性能的差异和数据分布特点的负载均衡方法。试验结果表明,该方法能有效提高普通Kriging插值速度,同时还能节约存储空间和提高访存效率。     

一种求解武器-目标分配问题的启发式方法

武器-目标分配问题是一种NP问题。结合武器-目标分配问题的特点,提出了一种求解武器-目标分配问题的启发式方法。首先给定问题的初始解作为当前最优解,然后采用多点调整方法在当前最优解的邻域内搜索最优解,其后采用重复迭代策略逐步改进初始解,直到得到较好的近似解。实验研究发现,多点调整方法只是一种局部优化方法,由不同初始解出发获得的近似解对应目标值可能不同。把多起点策略、多点调整方法和重复迭代搜索策略相结合,可得到求解武器-目标分配问题的一种有效方法。实验结果表明,提出的启发式方法计算所得解的质量较高,是求解武器-目标分配问题的一种有效方法。     

一类具有时滞的离散时间反应扩散系统的波前解与应用

利用单调迭代和上、下解技术,研究了一类具有时滞的离散时间反应扩散系统当非线性项满足拟单调条件和指数拟单调条件时波前解的存在性,并将所得结论应用到时滞竞争扩散系统的时间离散化系统中。     

基于维特比算法的无人机航路规划

提出采用隐马可夫模型(HMM)建立无人机飞行中威胁评估模型,利用HMM中维特比(Viterbi)算法实现了对威胁评估,确定无人机飞行中的航路;提出采用快速排序算法改进Viterbi算法的效率;采用三次样条插值修正航路点附近过大尖角。仿真表明：具有自主学习的Viterbi算法可以有效地完成无人机航路规划,改进算法可以更有...     

基于DFT系数极值的单频信号频率的高精度迭代估计方法

提出了一种基于DFT系数极值的单频信号频率的高精度迭代估计方法,该方法根据DFT谱线使用截弦法解算DFT系数极值所在谱线的位置,进而估计单频信号频率。在估计过程中,直接对DFT幅度最大的谱线进行小数频移以获得新的谱线,从而减少频率采样间隔提高估计精度;同时通过迭代估计消除频率依赖性,提高估计性能。仿真结果表明该方法的频率估计精度在任意频率处均接近于克拉美罗下限,其运算量为Nlog2N+4N次复乘法运算,仅比传统的基于DFT插值的估计算法增加4N次复乘法运算,其中N为DFT运算时所采用的数据点数。