信息系统体系结构设计中系统内聚度分析方法

系统的组成及其结构是体系结构中的一个核心元素,系统内聚度是评价信息系统体系结构的一个重要指标。以体系结构框架为基础,给出系统接口和系统功能的规范化描述。从功能和数据关系的角度,分别定义了系统功能内聚度和数据内聚度的计算方法,提出一种体系结构中系统内聚度的分析方法,并通过一个实例说明了方法的应用。该方法有助于规划系统和分配功能,提高体系结构设计质量。     

散度、旋度和梯度在共同模式上的统一定义及其在一般坐标系中的应用

本文在推广的散度定理的基础上给出了散度、旋度和梯度与坐标无关的统一定义。着重在一般曲线坐标系中利用以三对坐标面为包容面的微元体为共同模式,把散度、旋度和梯度统一表示为某一微分量的极限值,从而直接导出了张量分析中这三种量的熟知的表达式。     

感应式磁性天线设计及干扰抑制算法研究

当期望信号和干扰同方向时,为了有效改善超低频频段的通信质量,提出了一种基于模拟电路预处理和改进广义旁瓣抵消的干扰抑制算法,设计了磁性天线、低噪声前置放大电路,制作了灵敏度较高的磁传感器,有效地抑制了工频及其谐波干扰。鉴于超低频频段的信号十分微弱,在广义旁瓣抵消算法的基础上做了几点改进,为主通道提供较多的参考信息,从而提高了算法的性能,有效地解决了传统算法失效的问题。为了验证所提算法的有效性,在实验室环境下搭建实验平台,设计了多组对照实验,实验结果表明:无论期望信号与干扰是否同方向,改进后的广义旁瓣抵消算法相比原来的算法,在信噪比的提升和噪声底限的降低等方面均有较大程度的改善。     

干扰抑制类生成式对抗网络

为进一步改善超低频频段的通信质量,在传统改进广义旁瓣抵消算法的基础上,提出新的超低频干扰抑制算法——生成式旁瓣抵消算法。该算法将人工智能研究热点之一的生成式对抗网络模型引入广义旁瓣抵消算法中,通过优化设计生成模型的网络结构及相关超参数,有效地解决了原算法存在的期望信号残留问题,为旁瓣抵消通道中的后级滤波算法提供了与主通道相关性更强的干扰参考信息,从而提高了算法对主通道干扰估计的准确性。为了验证优化后生成模型的有效性以及所提算法对不同类别干扰的抑制能力,在实验室环境下搭建实验平台,设计了多组对照实验。实验结果表明:优化后的生成模型具有较好的生成能力、较好的鲁棒性以及相对较低的运算复杂度;相比于传统改进的广义旁瓣抵消算法,所提算法进一步提高了信号带宽内的信干噪比。     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

N、P源对微生物法处理石油烃效果的影响

在微生物法处理石油烃的过程中,微生物对N、P源的供给非常敏感,不同的微生物对不同的N、P源的生物利用度是不相同的,N、P源的选择对降解效果有较大影响,所以有必要对最佳的N、P源进行筛选。对N、P源的逸择和加入量对降解效果的影响进行了研究,确定了最佳的N、P源分别为(NH4)2SO4、KH2PO4。在(NH4)2SO4、KH2PO4的质量浓度分别为100mg／L和60mg／L时,废水中石油烃的去除率最高。     

基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计

摘要：研究一类具有leakage时滞的离散型神经网络的状态估计问题．通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式（LMI）得到状态估计器的增益矩阵．采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度．     

饱和系统的线性最优容错不变集

针对饱和系统的容错控制问题,提出了一种D稳定约束下系统吸引域的估计方法。分别以不变集和参考集的容量为优化目标,给出了两个优化容错不变集的充分条件。为解决不变集优化中出现的双线性矩阵不等式(BMI)问题,通过构造包含线性矩阵不等式(LMI)的目标函数,将它转化为非线性规划的形式进行求解。通过一个仿真实例对该方法进行验证。     

连续求解样本协方差矩阵迹的快速递推算法

为解决当样本数据不断增加时,利用传统方法反复计算样本协方差迹耗时多的缺点,提出了一种快速递推算法。理论分析和仿真试验都表明,算法的时间复杂度比传统的方法降低了一个数量级,从而大大减少了计算时间。     

多输出性能下的重要性测度指标及其求解方法

针对基于马氏距离的重要性测度存在的问题,提出了基于谱分解加权摩尔彭罗斯马氏距离的重要性测度指标,通过构造多输出协方差阵的广义逆矩阵以及谱分解的策略,有效解决了协方差阵求逆奇异情况以及由于未能充分考虑多输出之间的相互关系而导致的错误识别重要变量的问题,克服了基于马氏距离指标的局限性。数值算例与工程算例结果表明:所提重要性测度可以更加准确地获得输入变量对结构系统多输出性能随机取值特征贡献的排序,从而为可靠性设计提供充分的信息。