一种结合弹道规律的模糊交互式多模型算法

针对交互式多模型算法中转移概率矩阵与实际运动不匹配而影响跟踪精度的问题,通过分析某型导弹的典型弹道,将弹道规律融合到模型概率转移矩阵中,然后将转移概率模糊化处理,提出了一种基于弹道规律的模糊交互式多模型算法,然后以导弹蛇形运动转至比例导引的机动过程为例进行了仿真验证,比较了典型交互式多模型算法和模糊交互式多模型算法的跟踪性能。仿真结果表明:该算法可显著提高导弹机动段的跟踪精度。     

矩阵变换器自抗扰控制策略研究

矩阵变换器的输出电压易受各种因素的影响,为了改善输出性能,将自抗扰控制技术应用于矩阵变换器的闭环控制中。分析了自抗扰控制器的特性,提出了一种双闭环自抗扰控制策略,即电流内环与电压外环均采用一阶简化的自抗扰控制算法。仿真结果表明:该方法不仅可以有效地抑制多种扰动的影响,而且比PI控制具有更优的动静态性能,可满足高性能矩阵变换器系统的控制要求。     

模糊聚类法改进异类传感器航迹关联北大核心

针对ESM与雷达的异类传感器航迹关联的准确性问题,提出了一种基于模糊聚类方法的异类传感器航迹关联算法。首先,将测得的航迹看作方位信息的时间序列,由不同航迹最终构成一个时间序列集合;再以当前时刻与历史时刻为模糊因子进行相似计算并得到模糊相似矩阵,并求得模糊等价矩阵;最后采用全局最优的判别准则确定航迹关联对,达到航迹关联的目的。仿真结果表明,基于模糊等价关系的异类传感器航迹关联算法能够有效提高ESM与雷达的航迹关联性能。     

传播矩阵的物理含义

传播矩阵方法被广泛应用于分层均匀介质模型中波场的模拟计算,它能够计算出所考察时间窗内的所有层间反透射波及转换波的贡献,提高了计算效率,使算法更加体系化。以SH波为例,分析了传播矩阵实现层内多次反射的机制,对更好地理解和利用这一算法有较好的参考意义。     

一种大功率晶闸管触发电路设计

根据晶闸管门极特性曲线和开关装置主回路特性,计算出触发脉冲幅值、频率、上升时间等关键参数;设计隔离驱动电路,对脉冲结束时变压器初、次级电路进行分析,给出了初、次级等效电路模型和触发电路参数的选取公式。实验验证表明:利用该触发电路可对脉冲功率开关在-40℃~100℃的宽温度范围内实现可靠触发,得到脉宽为30μs、脉冲前沿小于3μs、顶降小于3%的脉冲波形,该实验结果和理论分析基本一致。     

基于准循环双对角阵的LDPC码编码算法

针对校验矩阵形如准循环双对角阵的结构化LDPC码,对比研究了两类高效的编码算法:矩阵分解编码算法和分项累加递归编码算法,证明了两类算法从实现角度是等价的,但分项累加递归编码算法推导更为直观,且便于硬件并行实现。基于分项累加编码算法,提出了一种适合准循环双对角LDPC码的部分并行编码结构,设计实现了IEEE 802.11n标准中的LDPC码编码器。FPGA实现结果表明,所设计的LDPC编码器具有硬件开销较小、吞吐率高的优点,在码长为1944bit、码率为5/6时信息比特吞吐率最高可达13Gbps。     

多态的大功率可控硅开关功率放大器的仿真

为了满足远距离海底探测对发射信号大功率的需求,选用了一种大功率可控硅开关功率放大器。在临界换流、自然换流和强迫换流3种工作状态下,分析了该功率放大器的工作原理,并建立了等效电路模型。运用Or CAD仿真了临界换流状态时的等效电路模型;在自然换流状态和强迫换流状态下,为获得功放电流值和负载电流值,对其等效电路模型分别建立了非线性数学模型,并通过Matlab和VC++采用四阶Runge-Kutta法对非线性数学模型进行求解。以上方法能够求得该功率放大器电路在任意时刻、任意点处的电流电压值,能较客观、真实地反映电路的工作状况,对工程应用具有一定的参考价值。     

基于非负矩阵分解的电磁超声系统优化研究

针对孤立脉冲群电磁超声系统信号特征容易被噪声淹没的问题,提出基于改进的非负矩阵分解（INMF）优选特征的支持向量机（SVM）方法．首先,用3种不同的方法提取高维特征;其次,用NMF方法实现特征降维,并保证降维结果的唯一性,避免对特征的直接选择;最后,应用支持向量机方法对降维特征进行分类．对孤立脉冲群电磁超声系统采集的4种信号特征进行提取、选择和分类,实验结果表明：INMF方法能有效提取微弱信号的特征,减少运算量,提高电磁超声系统特征采集的准确率．     

基于依赖矩阵的Web服务组合故障诊断

为了保证指挥信息系统在动态环境下能够提供持续可靠的组合服务,提出一种利用依赖矩阵对Web服务组合故障原因进行诊断的模型,对依赖矩阵的建立进行了详细说明。然后,基于构造的依赖矩阵,提出改进的贪心算法对失效情况进行探测,并设计了基于二分查找的故障定位算法。实验模拟表明,提出的模型能够利用少量探测就能监测整个服务组合流程的运行情况,并定位找到错误源。     

基于稀疏卷积非负矩阵分解的语音转换方法研究

为了在语音转换过程中充分提取语音的个人特征信息,同时考虑到语音的稀疏性,文章提出了一种基于稀疏卷积非负矩阵分解的语音转换方法。卷积非负矩阵分解得到的时频基可以承载语音信号中的个人特征信息及语音帧之间的相关性,而稀疏卷积非负矩阵分解得到的过完备时频基更能体现语音的细节,可以较好地保存语音中的个人特征信息。利用这一特点,通过稀疏卷积非负矩阵分解从训练数据中提取源说话人和目标说话人相匹配的过完备时频基,然后通过时频基的替换实现语音转换。相对于传统方法,该方法能够更好地保存语音个人特征信息和语音帧间相关性,从而可以进一步提高转换语音的质量和相似度。实验仿真及主、客观评价结果表明,与基于高斯混合模型、卷积非负矩阵分解的语音转换方法相比,该方法具有更好的转换语音质量和转换相似度。