矩阵开关技术在通用ATS电源模块自检中的应用

针对通用ATS中电源模块检查过程中存在检查时间长、劳动量大、工作效率低且易出错等问题,将矩阵开关技术引入通用ATS中电源模块的自检过程中,选取电压信号的均值和均方差作为评价电源模块性能的特征参数,并利用矩阵开关的多路复用功能设计了电源模块自检的拓扑结构,实现了自检过程中多通道的自动配置。仿真验证试验说明了该方法具有多通道自动配置、自检时间短、故障定位准确等优点。     

线性方程组迭代解法的另类矩阵形式

改进了线性方程组迭代解法的矩阵形式．以最简单的Jacobi迭代法的迭代矩阵为基础,只需经过简单的加减和数乘运算就可得到Seidel和SOR的迭代过程,使得算法新形式的求解过程数学意义非常明确,表达形式也非常简洁,这样不仅便于理解记忆,还非常有利于编程实现。改进后的矩阵迭代形式求解计算量为:Seidel需要大约n2次乘除法．SOR约为2n2次乘除法,且改进后的Seidel迭代法和SOR方法存储空间也较传统形式为少。     

指派问题的降阶优化算法

指派问题是运筹学中特殊线性规划中的一类问题。在现实生活中,指派问题非常普遍,常常可以见到各种各样的指派问题。通过对指派问题的数学模型进行分析,提出了与以往方法不同的求解指派问题的一种新的思路,通过对几个定理的研究,给出了一种新的求解方法——降阶优化算法。对求解指派问题提供了一种新的途径,在运筹学等领域有着较好的应用前景。     

防空导弹制导雷达综合抗干扰能力评估

分析了地空导弹武器系统制导雷达面临的主要干扰及其所采取的主要抗干扰措施,一般层次分析法(AHP)在评估某些模糊概念时存在缺陷。基于模糊层次分析法(FAHP),构造了模糊一致判断矩阵,建立了防空导弹制导雷达综合抗干扰能力评估模型,该模型具有快速、易于操作等优点,解决了在评价制导雷达综合抗干扰能力时难以定量分析的问题。     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。     

基于三标度法优选潜艇兵力作战方案

针对传统AHP在实际应用中存在的问题,采用三标度法进行潜艇兵力作战方案的多目标优选决策,避免了采用九标度方法构建判断矩阵时权重选择的模糊性,从而减少了决策过程中决策者的主观臆断性.实例证明,三标度法具有简单明了、使用方便等优点,在应用于作战方案多目标决策等复杂系统时是适合可靠的.     

转移矩阵分析法在射击训练效果评价中的应用

提出了进步度的思想,利用马尔柯夫链中一步转移矩阵进行建模分析,给出了一种射击训练效果评价方法,并能通过实例检验,显示了该方法的有效性和实用性,从而较为满意地解决了射击训练效果评价问题.克服了只根据最终考核结果对射击训练效果作出评价的不足,考虑了受训者的基础差异的影响,更注重反映整体受训者的进步程度.     

用卷积神经网络分类最大稳定极值区域实现汉字区域定位

获取对应笔画级连通区的最大稳定极值区域,实施形态学闭操作融合相距较近的最大稳定极值区域,融合后最大稳定极值区域对应的单个汉字区域;利用灰度共生矩阵描述最大稳定极值矩形区域的纹理信息,将其作为卷积神经网络的输入,卷积神经网络对最大稳定极值区域进行分类,过滤非汉字部分;利用最大稳定极值区域颜色直方图的Bhattacharyya距离等特征对最大稳定极值区域进行聚类,同一类最大稳定极值区域组合得到汉字文本候选区域;再次利用卷积神经网络对候选文本区域进行分类,过滤非文本部分,剩余的就是定位到的汉字文本区域。实验结果表明,该算法对于汉字区域定位具有良好的效果。     

基于累积前景理论的时间矩阵多属性综合评判模型

针对动态多属性方案排序优选决策问题,提出了一种基于累积前景理论的时间矩阵序列动态多属性综合评判系统模型。依据累积前景理论,将时间矩阵序列动态多属性决策转化为关于属性期望的益损时间矩阵序列动态决策,综合考虑各属性权重、各时间点的权重,计算各方案的最终综合前景值,并依据其大小对方案进行综合评判排序。最后给出了一个决策实例。     

压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。