航天装备维修保障力量配置方案优选研究

针对航天装备维修保障力量配置选址方案确定过程中评价判断具有"犹豫性""模糊性"以及指标"多层次"突出的问题,在建立航天装备维修保障力量配置选址方案评价指标体系的基础上,提出一种基于犹豫模糊层次TOPSIS的配置方案优选方法.以某次航天装备维修保障力量配置选址方案优选为例进行方法验证,结果表明,通过该法能够有效解决专家意...     

分离谱处理方法在L(0,2)模式超声导波管道检测中的应用

超声导波无损检测技术在管道检测过程中,由于超声导波存在频散和多模式特征,其遇到管道边界和不规则缺陷通常会发生模式转换,导致检测信号分辨率降低。为了将L(0,2)模式导波与其他模式导波分离,提升检测信号分辨率,提出使用分离谱处理方法处理L(0,2)模式超声导波检测信号。在分析该方法工作原理的基础上,优化了其滤波器参数,处理管道不同周向缺陷的检测信号,以信噪比和缺陷杂波比为标准,选择了具有最佳分离效果的SSP信号重组方法。研究结果表明：SSP可以将L(0,2)模式导波与其他模式导波分离,并只保留L(0,2)模式导波;与处理前信号相比,分离谱处理方法信号的分辨率得到了提升,信噪比和缺陷杂波比分别提高了约1.08倍和4.39倍。     

CFO条件下的OFDM子载波调制样式识别方法

提出了一种基于信号幅度分布特征与多次方谱线特征相结合的调制样式识别算法。该算法主要基于正交解调后的正交频分复用子载波信号的幅度分布特征,采用直方图统计的方法实现多进制相移键控和多进制正交幅度调制识别,用多方次谱特征实现多进制相移键控类的调制识别。相比基于经典的高阶累积量的调制识别算法,具有更好的载波频率残留偏差适应能力,在载波频率偏差条件下,提高了调制识别率;相比循环平稳方法,具有更好的信噪比适应能力。仿真实验结果表明了该方法的有效性,相同的识别率下能适应更低的信噪比。     

基于模糊物元分析法的坦克作战效能评估

鉴于坦克作战效能评估中客观存在的不确定性和模糊性,提出了基于改进模糊物元分析方法的坦克作战效能评估模型。该模型在构建坦克作战效能评估指标体系基础上,将层次分析法和熵权法计算出的权重有机组合实现综合赋权,并据此建立坦克作战效能的模糊物元分析评估模型。实例分析表明,所提出的模型便于理解,易于实现,兼顾了主客观因素的影响,评估结果总体反映了坦克作战效能的真实水平,也为其他装甲武器作战效能的科学评估提供新思路。     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

基于“综合赋权”模糊物元模型的机场运行安全评价

为了保证机场运行安全,防止事故的发生,依据模糊物元分析理论,结合机场运行安全评价指标体系,构建了基于综合赋权的机场系统模糊物元安全评价模型。在该模型中,通过层次分析法和熵值法主客观综合所确定的权重,为指标体系进行线性加权,实现综合赋权,从而将计算得到的综合权重用于模糊物元建模与评价。实例分析结果表明,该模型步骤简单,过程科学合理,并兼顾了主客观因素的影响,评价结果总体反映了机场的真实安全水平,也为机场安全的科学评价提供了新思路。     

改进IAHP-CIM模型的雷达组网探测能力评估方法

针对雷达组网探测能力的评估问题,采用鱼骨图法对影响雷达组网探测能力的多种因素进行梳理,得到结构层次清晰的指标评价体系。采用改进的区间层次分析—控制区间和记忆模型对该指标体系进行评估,具体方法是:运用区间层次分析法构造区间判断矩阵;利用蛙跳算法求解区间判断矩阵中满足最小一致性的确定性矩阵;利用控制区间和记忆模型来确定各指标的风险概率,实现指标体系的评估。以具体的案例为对象进行仿真实验,结果表明,所提评估方法有效,评估结论相对客观、可信,对雷达组网探测能力评估具有一定参考价值,从而为雷达组网的优化部署奠定良好基础。     

基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

无线传感网络中基于Dijkstra算法的分簇路由

无线传感网络（Wireless Sensor Networks,WSNs）的网络寿命与节点的能耗直接相关。分簇路由是缓解节点能耗速度的有效措施。但是若分簇路由所选择的簇头位置以及数据传输路径的不合理,会加剧节点能量消耗,缩短网络寿命。为此,提出一种基于Dijkstra算法的分簇路由（Clustering Routing-based Dijkstra,CRBD）。CRBD路由先利用节点的剩余能量及离汇聚节点距离信息选择部分节点作为簇头,并禁止拥塞节点担任簇头。利用贪婪启发式算法构建簇。利用Dijkstra算法构建簇头间的最短路径,缓解簇头的能量消耗。仿真结果表明,相比于基于改进萤火虫聚类的能效路由（Energy Efficient Routing based on Improved Firefly Clustering,EIFC）,CRBD路由中节点的平均能耗下降了约12.3%,并且CRBD路由的数据包传递率保持在85%以上。     

分布式异构集群中节点优先级调优算法

节点优先级常用于评价异构集群中节点的性能,因此节点优先级评价指标权重的选择非常重要。采用层次分析法(analytic hierarchy process, AHP)建立了节点优先级评价指标体系,计算得到各指标的初始权重,并使用BP神经网络对初始权重进行优化。训练时,BP网络输入为集群运行中采集的节点实时资源数据,输出为节点的优先级。分析网络训练完成后得到的权重矩阵可以获得各优先级评价指标的优化权重。实验表明,基于AHP和BP的节点优先级评价模型可以更加准确地分析节点性能。相比于Spark默认算法和权重未优化的对照算法,使用调优后的节点优先级可以有效提高集群性能。运行不同工作量的相同负载时,集群平均性能分别提高了16.64%和9.76%;处理相同工作量的不同负载时,集群的平均性能分别提高了12.49%和6.54%。