基于复杂度特征的干扰识别算法

复杂度可以用来刻画信号的波形变化特征。文中使用了L-Z复杂度和分形维数这两种复杂度作为干扰识别的特征参数并结合支持向量机对干扰进行分类。仿真结果表明L-Z复杂度和分形维数计算复杂度低,且具有较好的类别差异度,同时文中提出的算法具有较高的识别准确率。     

基层管理要“三变”

新时期基层管理面临许多新情况、新问题 ,基层管理者要正确认识和解决这些新情况和新问题 ,就是要深知发生的新变化 ,有的放矢地应对变化 ,因势利导地控制变局 ,确保基层管理工作适应形势发展 ,不断走出新路     

线阵CCD在机械微变距离测量中的应用

介绍了一种应用线阵CCD测量柴油机曲轴臂距差的原理和方法 .讨论了光杠杆原理在此测量系统中的应用 ,并结合实际分析了系统产生非线性误差的原因 ,给出了此测量系统非线性的处理方法 .     

变结构多模型估计第V部分——可能模型集合算法

本文提出了一种称为可能模型集合(LMS)算法的变结构多模型(MM)估计器,它适用于大多数混合估计问题并且比较容易实现。在任何时刻使用所有与系统模式匹配的模型。本文讨论了该模型的不同版本。最简单版本通过删除所有不太可能的模型,激活所有主要模型可能跳变的模型来获得模型集合的自适应,从而获得可能的期望系统模式转移。通过一个跟踪机动目标和一个失效检测和识别的例子来演示了LMS估计器设计和应用的通用性、简单性和容易性。文中也给出了算法同其它一些固定结构-变结构估计器在费效比方面的比较结果。     

变结构多模型估计第IV部分:模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器。它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应。它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比。本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计。研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示。这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征。仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较。     

基于遗传算法的二维最大熵图像分割算法

二维最大熵图像分割算法充分利用了图像象素的灰度分布信息和各象素间的空间相关信息 ,因此具有很好的分割效果。但该算法的计算复杂度高、计算时间长。为解决这一问题 ,本文提出了一种基于遗传算法的二维最大熵法。该算法充分利用遗传算法的特点 ,极大地减少了计算量和存储空间。实验结果证明了该算法的快速性、有效性和稳定性。     

连续变结构系统单步法数字仿真的步长计算

在研究固定结构的连续变结构控制系统单步法数字仿真问题基础上,提出保证准滑模运动精度的仿真步长选择思想和计算方法,并给出仿真实例.研究表明,文中的方法是正确可行的.