基于B-样条分形插值的垂直尺度因子的计算方法

将线性分形插值推广到B-样条上,可避免线性分形插值局限性,进一步扩大分形理论的应用范围。分形插值应用的关键问题,是如何合理地确定垂直尺度因子di的值,而它的计算却没有一种很有效的方法。通过解析方法,获得了均匀B-样条分形插值“S”点的代数解,从而,可准确计算出垂直尺度因子,解决了影响B-样条分形插值应用的难题。     

高精度单频信号初相测量方法

提出了一种基于误差知识的二重插值DFT方法用于高精度时钟初相测量。理论分析与数值仿真结果表明,该方法性能接近Cramer-Rao界。     

三维航迹的B样条曲线拟合算法

利用B样条曲线的几何性质,解决了飞行器三维航迹拟合中的边界条件等约束问题.并且通过求解分析B样条曲线的曲率与飞行器按规划三维航迹飞行的需用过载之间的数学关系,推导给出了所规划三维航迹的可飞性过载判断准则.最后,通过具体算例对某型飞机按拟合三维航迹飞行的需用过载进行实时仿真并判断该拟合三维航迹的可飞性.     

基于B样条插值曲线直接筛选的EMD及其在机械振动信号处理中的应用

经典的经验模式分解(EMD)方法通过求解信号的上下2条三次样条包络曲线的均值曲线,实现对原始信号的分解.但是对于非平稳、非线性信号,包络平均无法代替真正的局部平均.另外,基于包络平均的分解方法还会引入极值过冲和欠冲问题.利用B样条的良好局部性质直接计算信号的局部均值插值曲线,克服了三次样条包络方法在EMD分解中的不足.通过对旋转机械故障振动信号的分解处理,表明基于B样条局部均值插值曲线的经验模式分解方法得到的固有模式函数更符合信号的真实物理意义,分解结果更好.     

基于B样条小波的异常数据辨识

为解决靶场测量数据中系统误差引起的大量连续奇异数据的辨识难题,同时针对传统和目前国内外较先进的异常值识别方法的不足,提出了基于B样条小波的异常数据辨识。首先描述了异常值,然后分析了小波异常值识别原理和物理意义,构造了用于异常数据辨识的B样条小波分析方法。通过对不同情况仿真数据的计算分析,证明了该方法科学、合理,实现了测量数据异常值的辨识和重构。     

基于B样条的螺旋桨升力面设计

为了改善螺旋桨的空泡性能,从效率和空泡性能2个方面的权衡来确定环量分布.在升力面理论设计中计及桨毂的影响.桨叶几何用较少的B样条控制角点来表示.将升力面理论计算的控制点处法向速度的平方和作为优化目标函数,并通过最小化目标函数得到桨叶几何.     

基于BP神经网络的极移预报*

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出BP神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

BP神经网络在极移预报中的应用

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出反向传播(Back Propagation,BP)神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

CPU-GPU协同加速Kriging插值的负载均衡方法

Kriging插值算法被广泛应用于地学各领域,有着极其重要的现实意义,但在面对大规模输出网格及大量输入采样点时,不可避免地遇到了性能瓶颈。利用Open CL和Open MP在异构平台上实现了CPU与GPU协同加速普通Kriging插值。针对Kriging插值中采样点的不规则分布及CPU和GPU由于体系结构差异对其的不同适应性,提出一种基于不同设备间计算性能的差异和数据分布特点的负载均衡方法。试验结果表明,该方法能有效提高普通Kriging插值速度,同时还能节约存储空间和提高访存效率。     

基于维特比算法的无人机航路规划

提出采用隐马可夫模型(HMM)建立无人机飞行中威胁评估模型,利用HMM中维特比(Viterbi)算法实现了对威胁评估,确定无人机飞行中的航路;提出采用快速排序算法改进Viterbi算法的效率;采用三次样条插值修正航路点附近过大尖角。仿真表明：具有自主学习的Viterbi算法可以有效地完成无人机航路规划,改进算法可以更有...