熵在伪随机性检验中的应用

本文从熵的角度探讨了伪随机性检验问题,提出了有关序列的等分布度r_n~(K)概念,并证明:一序列{x_n}(0≤x_n≤1)为等分布的充分必要条件是:(?)K≥1,(?)=1.利用这一结果对几个典型伪随机序列的等分布度进行了比较,给出了它们的伪随机性优劣排序。     

函数生成器的优化设计

本文介绍了一种优化的多变量函数产生器的设计思想,详尽论述了多变量函数快速插值算法、消除冗余断点搜索的思想以及搜索次数为１的断点搜索策略。实用表明,该产生器高效可行,比一般的多变量函数产生器减少计算量一半左右,有效地缩短了仿真问题的求解时间。     

液体火箭发动机基于模型的故障检测算法

针对泵压式供应系统液体火箭发动机的故障监控问题,建立了用于发动机故障检测的非线性动态数学模型,设计并实现了发动机系统的广义卡尔曼滤波器。利用新息序列的统计特性,进行了发动机故障新息检测算法的仿真研究,讨论了降低滤波器计算费用的方法以及置信度、自由度对检测算法性能的影响。本文的工作为进一步研究发动机故障在线实时检测算法奠定了重要基础。     

关于Tu-Deng函数的一个注记

2009年,Tu和Deng在一个组合猜想成立的基础上,构造了同时具有最优代数免疫性、最优代数次数和高非线性度的一类偶数元布尔函数.这类函数被称为Tu-Deng函数.基于同一猜想,Tu和Deng又构造了同时具有次最优代数免疫性、最优代数次数和较高非线性度的一类偶数元的l -阶弹性函数.通过研究由Tu-Deng函数导出的两个布尔函数的级联的密码学性质,在Tu-Deng猜想成立的基础上,给出一类奇数元的1 -阶弹性布尔函数.这类函数同时具有次最优代数免疫性、最优代数次数和较高非线性度.     

基于截断函数的有限时间滑模控制方法

针对一类二阶不确定非线性系统的鲁棒控制问题,提出一种基于截断函数的有限时间滑模控制算法。该算法具有以下特点:系统状态可在期望的有限时刻收敛为零;受控系统对外部扰动和参数不确定性具有全局鲁棒特性;系统状态的动态响应可解析预测;通过选择不同的截断函数可以实现对控制器性能的调节。仿真结果验证了所提算法的有效性。     

基于改进的软阈值小波包网络的电力信号消噪

为了克服传统软、硬阈值在信号消噪中存在的不足,首先构造了一种新的软阈值函数,并将小波包变换和神经网络相结合;然后,基于改进的软阈值小波包网络对实际采集电力信号进行消噪。MATLAB仿真结果表明:改进的软阈值小波包网络比传统硬、软阈值小波包消噪的信噪比高,且均方根误差小,是一种非常有效的电力信号消噪方法。     

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。