LFM脉冲雷达距离维快速搜索处理算法

针对脉冲雷达近距离目标遮挡问题,从理论上分析了雷达最小作用距离不受限于脉冲宽度.在此基础上,以Chirp脉冲为例,提出了一种适合远近距离全程目标的快速搜索处理算法.该算法只需发射一种宽脉冲波形,而不必根据距离的变化改变脉宽,从而有效缩短了搜索时间,大大提高了搜索效率.仿真结果表明了理论分析的正确性和算法的有效性.     

基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

双天线干涉SAR系统无控制点场景的高精度参考相位快速估计算法

为解决无控制点场景参考相位的快速估计问题,对影响参考相位的因素进行理论分析,给出参考相位与影响因素的解析关系式。结合系统参数进行仿真分析,分析参考相位对高程误差的影响。根据分析结果,结合外部粗精度高程数据、滤波后的干涉相位及相干系数,提出高精度参考相位快速估计算法,并给出算法详细实现流程。对实际机载双天线干涉合成孔径雷达系统获取的数据进行处理,结果表明:算法在文中的系统参数下可以达到优于2 m的相对高程精度,处理4096×6560像素的数据块时,参考相位估计速度至少增大20倍。     

脉冲激励下船舶结构谐振响应预报及其模态阻尼参数识别

从模态识别基本原理出发,对脉冲激励下的时-频域响应、谐振激励下的时域响应的表达式进行推导,找到了其时-频域下的幅值关系,认为一定条件下谐振响应中伴随自由振动成分短时间内难以衰减,指出谐振激励力幅值与脉冲力幅值相等时,脉冲响应频谱对应频率下的幅频与谐振下的强迫振动幅值相等。在建立响应等价关系的基础上,推导了仅通过脉冲响应频谱上有限个谱线信息所确定的某阶模态阻尼比的计算公式。利用船体梁模型验证了响应预报及阻尼比估算的准确性。完成了2块不同材料典型船体板单元模型的前8阶模态阻尼比测试,通过数值计算结合试验响应频谱验证了方法的快速性、可靠性。     

数字化扩频接收机的自适应抗干扰滤波方案研究

讨论了自适应抗干扰滤波在最小频移键控的直接序列扩频(DS-MSK)数字化接收机中的应用问题,对非线性滤波加以改进,提出了部分解扩非线性滤波(PDNF)结构,将快速更新子带自适应滤波(FRSAF)算法用于PDNF结构以提高收敛速度。结合FRSAF算法的PDNF自适应抗干扰滤波方案在收敛速度、稳健性和输出信噪比等方面明显优于结合LMS算法的传统非线性抗干扰滤波方案,仿真结果验证了上述结论。     

改进多重信号分类算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无须重构原始波形,无须计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

使用融合乘加加速快速傅里叶变换计算的向量化方法

融合乘加指令加速快速傅里叶变换计算的向量化方法,通过变换快速傅里叶变换的蝶形单元运算流程,将传统计算方式中独立的乘法和加法操作组合成次数更少的融合乘加操作,使得时间抽取法基2快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的10次乘(加)操作减少到6次融合乘加操作,时间抽取法基4快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的34次乘(加)操作减少到24次融合乘加操作;优化了蝶形因子的向量访问,减少存储开销。实验结果表明,提出的方法能够显著加速快速傅里叶变换的计算,取得高效的计算性能和效率。     

音圈电机驱动的快刀伺服系统性能测试

研发了一种新的音圈电机驱动的超精密快刀伺服系统,行程达到30mm,最大加速度为920m/s2。通过实验手段获得系统的运动模型,用于控制器的设计。针对一类典型的光学复杂结构曲面-微小透镜阵列进行加工,并对加工结果进行测试与分析。测试结果表明,所研发的快刀伺服系统达到了加工技术要求,为该系统在实际加工中更广泛的应用打下了基础。     

Using stochastic programming to solve an outpatient appointment scheduling problem with random service and arrival times

We study a stochastic outpatient appointment scheduling problem (SOASP) in which we need to design a schedule and an adaptive rescheduling (i.e., resequencing or declining) policy for a set of patients. Each patient has a known type and associated probability distributions of random service duration and random arrival time. Finding a provably optimal solution to this problem requires solving a multistage stochastic mixed‐integer program (MSMIP) with a schedule optimization problem solved at each stage, determining the optimal rescheduling policy over the various random service durations and arrival times. In recognition that this MSMIP is intractable, we first consider a two‐stage model (TSM) that relaxes the nonanticipativity constraints of MSMIP and so yields a lower bound. Second, we derive a set of valid inequalities to strengthen and improve the solvability of the TSM formulation. Third, we obtain an upper bound for the MSMIP by solving the TSM under the feasible (and easily implementable) appointment order (AO) policy, which requires that patients are served in the order of their scheduled appointments, independent of their actual arrival times. Fourth, we propose a Monte Carlo approach to evaluate the relative gap between the MSMIP upper and lower bounds. Finally, in a series of numerical experiments, we show that these two bounds are very close in a wide range of SOASP instances, demonstrating the near‐optimality of the AO policy. We also identify parameter settings that result in a large gap in between these two bounds. Accordingly, we propose an alternative policy based on neighbor‐swapping. We demonstrate that this alternative policy leads to a much tighter upper bound and significantly shrinks the gap.     

网络入侵检测的快速规则匹配算法

在分析入侵检测系统的基础上,指出现有规则匹配算法的不足.提出一种新的规则匹配算法,该算法主要利用非精确匹配技术,缩小入侵分类的检测范围,达到快速匹配的目的.根据不同的安全性要求设置不同的门限值,该算法可用于预测适合不同门限值的可疑入侵行为.