基于波达方向矩阵的矢量水听器方位频率联合估计

提出了一种新的基于单个矢量水听器的方位频率联合估计方法--波达方向矩阵法.利用矢量水听器的时延数据,构造了两个相同的子阵,通过对波达方向矩阵的特征分解,实现了对目标信号的波达方向估计,并同时得到了目标的频率特征.计算机仿真实验表明,该方法具有较好的估计精度.     

基于LS信道估计的SC-FDE系统性能研究

无线高速传输系统中存在严重的多径干扰,因此需要采用均衡技术,而均衡技术需要接收端准确掌握信道参数。根据文中设计的帧结构,本文改进了最小二乘(LS)信道估计算法并提出一种新的信噪比估计方法,该改进算法可以在减少运算量的同时保持估计精度。利用估计出的信道参数,文中仿真比较了三种不同均衡技术对系统性能的影响,最终的结果表明,该信道参数估计方法联合判决反馈均衡,可以很好的实现SC-FDE系统的高速信号传输,满足实际系统设计的需要。     

移动代理的分布式系统监控模型研究与实现

提出将一种移动Agent与专家系统技术相结合的分布式网络故障诊断系统模型,该模型能够提高故障诊断效率,缩短系统响应时间,降低诊断时网络流量.提高诊断的智能性与容错性,克服了传统集中式故障诊断的诸多缺点.     

一种基于KNN-SVR的基因表达缺失值的估计方法

为了消除不相似基因对基因表达谱中缺失值估计的影响,提出了一种基于KNN SVR的缺失值估计方法.该方法先通过最近邻法选出与目标基因表达最相似的一组完全基因,再用这些基因通过支持向量回归对缺失值进行估计.还提出了用标准化偏差的方差来度量算法的稳定性和估计值的可信度.该方法通过对基因的过滤提高了缺失值估计的有效性.实验结果表明,KNN SVR法具有较高的估计精度和稳定性.     

基于强化学习的移动自组织网络分步路由算法*

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高度的动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出了一种基于强化学习的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集来提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析,仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

基于UKF_IMM的多信源机动目标跟踪研究

针对异类传感器的非线性机动目标跟踪中,由于采样信息差异、目标强机动等原因造成的跟踪性能低或失效等问题,提出UKF_IMM跟踪算法并进行了仿真计算.该方法直接面向极坐标量测信息,计算量小,且有较强的鲁棒性.仿真结果表明:该跟踪方法能获得较高的目标跟踪精度,系统反应时间短,目标跟踪稳定、连续,有重要的工程参考价值.     

基于相关系数谱的宽带跳频信号时延估计

结合目前跳频信号带宽越来越宽、跳频点越来越多的特点,提出了一种基于相关系数谱的宽带跳频信号时延估计方法,实验表明该方法能够有效实现宽带跳频信号的时延估计,估计精度不受限于采样间隔.并且该算法具有较好的实时性和数据扩展性,易于工程实现.     

差分多普勒在无源雷达目标速度估计中的应用

提出了一种差分多普勒信息在目标速度估计中的应用方法,并给出了具体的算法。对差分多普勒信息应用于目标速度估计中的精度进行了理论分析,通过Monte carlo仿真对提出的算法进行了验证。仿真结果表明,利用差分多普勒信息能够有效地提高对目标速度的估计精度,并且对目标机动段也能够取得很好的速度估计精度。     

面向移动单摄像机的多目标跟踪算法

针对移动单摄像机采集的视频序列中的运动多目标,重点研究了基于目标间的相对运动信息和数据关联策略的在线多目标自动跟踪器。利用目标间相对运动模型实现目标轨迹的恢复,减少目标轨迹碎片。运用事件匹配算法改进当前帧的检测响应与过去轨迹的分配,并降低跟踪过程中的目标身份转换次数。实验结果表明:该改进算法较原算法能够对序列中目标跟踪定位得更加精确,减少了轨迹碎片和身份转换次听语音 聊科研与作者互动数,在TUD-Campus序列上达到了与国际前沿多目标跟踪算法相当的效果。