顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

任务空间概念建模语言初探

通过研究军事专家与系统分析人员的沟通问题,借鉴可视化建模、分层建模和多视图建模的思想,提出了任务空间概念建模语言(MSCML),对MSCML语言的各个建模元素进行了简要的说明.     

基于小波分析的子带特征提取与选择方法

在研究了目标图像多尺度小波分解特性的基础上,提出了基于小波多尺度分解子带主成分的特征提取的算法。该算法利用图像在不同尺度的小波变换域中能量局部集中性,选择各子带能量较集中的局部小波系数构成图像目标特征向量。这种特征包含图像目标的主要边缘、纹理、灰度、结构等多种信息。由于对图像目标的特征信息的分布没有任何限制,因而适用于多种类型的图像的特征提取,可以解决单一特征提取方法中必须面对的所提取特征不明显的难点。这种特征向量对噪声有较好的鲁棒性。     

卫星任务调度问题的约束规划模型

卫星任务规划与调度是空间资源管理的重要内容之一,其目的在于为卫星系统的任务计划编制提供科学合理的决策手段与依据。卫星任务调度问题的重要特点在于,调度任务存在可见时间窗口约束。只有在可见时间窗口内,调度任务才可能执行并完成。在进行合理假设的基础上,建立卫星任务调度问题的约束规划模型。对基本禁忌搜索算法进行改进,提出了模型求解的变邻域禁忌搜索算法。应用结果表明,约束规划模型的建立与求解是合理的。     

次级通道估计误差对Fx-Newton算法的影响

Fx-Newton算法在执行过程中需要估计次级通道模型,针对主被动隔振工程应用中次级通道估计存在误差的问题,假设输入信号为正弦信号,建立含次级通道估计误差的Fx-Newton算法结构模型,推导了Fx-Newton算法的稳定性条件,并就相位误差和幅值误差对Fx-Newton算法稳定性和收敛性的影响做了详细阐述。最后对两自由度主被动隔振模型开展仿真研究,验证了理论分析结果。     

利用最小二乘支持向量机求解潜艇内外磁场映射模型

为提高潜艇磁隐身能力,应对潜艇固定磁场进行实时监测,提出利用最小二乘支持向量机的潜艇内外磁场映射方法。结合内外映射法和最小二乘支持向量机原理,通过交叉验证优化模型参数,建立由内到外的潜艇磁场映射模型。以潜艇外部垂向固定磁场变化量为分析对象,仿真和实验结果均与标准值吻合良好。与径向基神经网络算法相比,该方法的泛化能力和推算精度有明显提高,且更符合工程实际,对闭环消磁技术的研究具有指导意义。     

进口热斑在气冷涡轮动叶流道内迁移特性分析

为了解涡轮进口热斑的运动特性对涡轮叶片热负荷分布的影响,对存在进口热斑时高压气冷涡轮动叶流道内冷热流的非定常运动特性进行了研究,揭示了热斑在气膜冷却流、叶顶间隙泄漏流以及动静叶栅运动干涉等因素综合作用下对气冷涡轮叶片热负荷的影响。研究发现:冷热流在高压动叶入口处被高压动叶截断而交替流入流道,热流对动叶的影响主要集中在动叶前缘以及压力面附近,对动叶前缘造成直接的热冲击振荡;在周向气流角的作用下,在高压动叶栅流道内,低温流体逐渐向吸力面流动,而高温流体主要向压力面流动;气冷涡轮在浮力以及间隙泄漏流的作用下,改变了流道内部二次流分布,使得迁移到动叶压力面上的高温流体向叶根迁移,吸力面低温流体向叶片中间截面聚集。所得结论可对涡轮冷却设计提供理论参考。     

金字塔渐进融合低照度图像增强网络

针对现有低照度图像增强网络对不同尺度特征信息存在感知与表达能力不足的问题,提出金字塔渐进融合低照度图像增强网络模型。网络对图像进行多次下采样操作以组成特征金字塔,通过在特征金字塔的三个不同分支上加入跳跃连接,将不同尺度的特征图进行相互融合。通过精细恢复模块进一步提取精炼信息,将特征图恢复到正常的光照图像。结果表明,该网络模型不但能有效地提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,同时能够有效地抑制图像中的暗部噪声,使增强后的图像整体画面真实自然。     

注意力机制量化剪枝优化方法

面向基于注意力机制模型的巨大计算和访存开销问题,研究量化和剪枝协同优化的模型压缩技术,提出针对注意力机制中查询、键、值、概率共四个激活值矩阵的对称线性定点量化方法。同时,提出概率矩阵剪枝方法和渐进式剪枝策略,有效降低剪枝精度损失。在不同数据集上的实验结果表明,针对典型基于注意力机制模型BERT,在较低或者没有精度损失的情况下该优化方法可达到4位或8位定点量化、0.93～0.98的稀疏度,大幅度降低模型计算量,为加速量化稀疏模型的推理奠定良好的基础。