基于MSA的高阶调制信号比特度量算法的研究

最小和算法(MSA)折中了译码性能和运算复杂度两个方面,是低密度奇偶校验码(LDPC码)硬件实现最常用的译码算法。比特后验概率对数似然比(LLR)是LDPC码MSA译码的关键参数,现有的高阶调制信号比特后验概率LLR计算方法及简化算法都需要估计噪声方差,估计值影响译码性能。论文从分析M阶无记忆二维调制信号比特后验概率LLR通用的计算方法入手,研究了适用于MSA译码的高阶调制信号比特后验概率LLR简化算法,该算法无需估计噪声方差,进一步降低了运算量和实现复杂度。     

基于MILP模型的多无人机对地攻击任务分配

针对多无人机空对地攻击优化问题,给出了基于时序的混合整数线性规划(MILP)任务分配模型,该模型不仅描述简洁、直接,而且可以通过对约束条件的修正来满足实际问题需要.同时,利用LINGO软件进行了仿真求解,仿真结果表明,该模型不仅可以找到最短的任务执行时间,而且能够合理安排任务时序,使任务能够紧凑而有序地进行,有助于提高无人机任务执行效率和生存能力.     

AVS解码中插值算法的硬件实现

在AVS标准中的插值算法采用分像素提高视频解码的清晰度,也是解码端主要的访存和计算瓶颈.为了得到分像素位置的像素值,需要参考其周围相邻的像素值;针对亮度和色度插值设计了一种基于流水线的并行架构,计算出不同位置上的分像素值,提高了解码系统的运算速度,与其他设计完成的解码器模块配合,在FPGA上实现AVS高清实时解码.     

H2O2/HTPB固液混合发动机点火试验研究

利用H2O2催化分解原理,设计了烃类燃料在催化分解的90%H2O2中能燃烧的点火器,然后采用该点火器进行H2O2/HTPB固液混合发动机点火试验研究.试验结果表明,该点火器能够成功启动H2O2/HTPB固液混合发动机,且当混合比偏离最佳混合比后,发动机的燃烧效率降低.     

地球静止轨道高能电子通量在线预测模型

利用粒子群优化算法和最小二乘支持向量机,建立地球静止轨道高能电子通量在线预测模型。针对粒子群优化算法,提出一种新的粒子群多样性测度计算方法,有效改善其早熟收敛现象。运用改进的粒子群优化算法优化最小二乘支持向量机的正则化参数和核参数。利用滑动时间窗口策略更新模型数据,选择触发机制以及模型的再学习机制为设计变量,实现模型的在线预测功能。对2000年电子通量监测数据和相关太阳风、地磁参数等实际数据进行的提前1~3天的预测实验,表明所建在线预测模型具有较高的预测性能,并具有一定的实用价值。     

基于最大后验概率候选集更换法的多故障诊断策略研究

给出了一种基于最大后验概率候选集更换法的多故障诊断策略，并深入阐述了基于最大后验概率候选集更换法的形式化描述，分析了对单故障诊断和多故障诊断的计算模型，提出了基本的故障诊断算法——改进二进制粒子群算法，并对抽象实例进行验证，结果表明，采用改进BPSO算法能有效地求解基于最大后验概率候选集更换法的多故障诊断问题。     

基于量子粒子群优化的无人飞行器路径规划

根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Sp line插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题。采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题,简化了问题复杂度、提高了计算效率。仿真结果表明,生成的航迹具有地形跟随、障碍回避和威胁回避等功能。     

层次式网络管理系统故障管理子系统研究与实现

计算机网络日益复杂和异构化，迫切需要提高可靠、跨平台的网络管理系统保证网络稳定、高效运行。分析了传统网络管理系统的不足，提出了一层次分布式网络管理系统故障管理算法，并讨论了算法的性能。最后采用ＣＯＲＢＡ，Ｗｅｂ和Ｊａｖａ技术实现了该算法。     

基于非线性Kalman滤波的导航系统误差补偿技术

针对非线性非高斯导航系统信息处理问题,采用自组织算法、神经网络和遗传算法等改进传统非线性Kalman滤波算法,构建一种自适应的组合导航系统。应用具有冗余趋势项的自组织算法、Volterra神经网络和遗传算法,建立导航系统误差的非线性预测模型,进而计算得到其预测值;将该预测值与Kalman滤波算法求得的估计值进行比较得到差值,以此监测Kalman滤波算法的工作状态;采用自适应控制方法,在导航系统结构层面改进Kalman滤波算法,构建新型的导航系统误差补偿模型。开展基于导航系统KIND-34的半实物仿真研究,应用所提出的改进方法改善了导航系统误差的补偿效果,提高了组合导航系统的自适应能力和容错能力。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。