对成像雷达的间歇采样非均匀转发干扰方法

间歇采样转发干扰是针对宽带成像雷达的一种有效干扰方式。根据间歇采样转发干扰的基本原理,对宽带成像雷达,按照常规的均匀转发方式,能够在高分辨距离像结果中叠加一串位置均匀分布的虚假散射点。虚假散射点序列的均匀分布特点不利于干扰信号的伪装。针对此问题,以破坏虚假散射点序列均匀分布为目的,在常规间歇采样转发干扰方法基础上,提出间歇采样非均匀转发干扰方法,并分析其干扰效果。最后通过仿真实验验证了所提出的方法能提高对宽带成像雷达的干扰效果。     

复杂网络影响力极大化快速评估算法

分析复杂网络中影响力极大化问题,设计一种新的启发式算法框架。针对信息传递中节点的交互方式进行分析,给出节点在任意时刻处于信息接收态的概率。通过期望计算得到种子节点集传播影响力的近似估计,实现集群影响力快速计算,进而得到基于序列采样的影响力极大化快速评估算法。特别地,对于六个来自不同领域的真实网络上的影响力极大化问题进行了研究,仿真结果表明：该方法能够高效识别网络中具有重要传播影响力的节点集,在三种常见度量准则下的表现均明显优于三种影响力极大化问题基准算法。     

Needleman-Wunsch算法的改进

为了实现双序列的全局快速比对,分析了Needleman-Wunsch算法的运算思路,并提出了一种改进的Needleman-Wunsch算法。改进算法通过在计算过程中不断截短比对序列的长度,减少无用数据的计算,提高了运算的效率。通过以相控阵雷达辐射源的搜索模式序列识别为例进行仿真试验,仿真实验证明改进算法与Needleman-Wunsch算法相比,具有效率高、运行时间短的优势。     

基于IFTS的网络动态负载均衡方法

针对网络负载均衡过程中节点负载变化趋势难以预测的问题,在分析网络负载模糊时序变化特性的基础上,设计了可变阶自循环误差校正机制,构建了网络负载直觉模糊时间序列(IFTS)预测模型,并将基于IFTS的负载预测与网络动态负载均衡相融合,提出了基于IFTS的网络动态负载均衡方法,有效地提升了网络负载预测精度,增强了动态负载均衡系统运行效率,改善了网络整体服务质量。并通过典型实例验证了该方法的有效性和优越性。     

基于BI-GRU-CRF模型的中文分词法

循环神经网络作为一种处理时序数据的有效模型,已在序列标注问题上得到了广泛应用。为解决序列标注中典型的中文分词任务,基于门限循环单元(Gated Recurrent Unit,GRU)神经网络,提出了一种改进的双向门限循环单元条件随机场(BI-GRU-CRF)模型,该模型不仅可以通过双向门限循环单元有效利用双向上下文信息,而且可以通过条件随机场层联合考虑相邻标签间的相关性,得到全局最优的标记序列结果。在常用的中文分词测评集(PKU、MSRA)以及由构建的军事领域分词语料上,分别采用四词位及六词位标注法进行了实验,结果表明BI-GRU-CRF模型具有良好的分词性能,且六词位标注法可以改进分词效果。     

新型多相结构MWC宽带数字接收机设计

提出一种基于多相调制宽带转换器结构的新型压缩采样数字接收机,可对宽带中频信号进行截获。新型接收机结构包括:串并转换、并行相乘、多相滤波三个模块。在用相同乘法器资源的条件下,新型接收机结构的整体数据速率远低于现有的调制宽带转换器结构,并且通过仿真验证了其正确性。该新型结构为调制宽带转换器离散压缩采样数字接收机在现场可编程门阵列上的物理实现奠定了基础,使整个接收机结构更具有实际工程应用价值。     

多序列跳频在AWGN信道下抗部分频带干扰分析

常规跳频易受跟踪干扰影响,用信道表示信息的多序列跳频系统,具有良好的抗跟踪干扰性能。为检验多序列跳频在非跟踪型干扰下的通信效果,建立了多序列跳频在AWGN信道下的传输模型,分析了多序列跳频抗干扰的原理,研究了噪声环境对多序列跳频抗部分频带干扰性能的影响。理论分析和仿真结果表明,多序列跳频在信噪比为15 dB～30 dB且为最坏部分频带干扰的条件下,误码率为10-5所要求的信干比低于常规跳频2.2 dB～2.31 dB,具有良好的抗部分频带干扰能力。     

脉冲串信号时差估计优化算法

针对脉冲串序列信号的目标定位任务,传统的单脉冲到达时间差定位方法由于测量单个脉冲的到达时间产生的误差可能偏大,而导致目标定位精度不能满足实际工程需求。现提出两种优化定位精度的方法,前者是针对在脉冲串未出现缺失的条件下,利用最小二乘法计算两个基站接收到的脉冲串到达时间差;后者是针对在脉冲串出现缺失的条件下,利用序列相似性原理对脉冲串到达时间差进行搜索,两者都能减小测量误差对整个定位系统的影响,提高整个系统的定位精度。     

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。