基于agent的多传感器管理原型系统研究

近年来,基于agent的分布式智能系统已成功应用于众多领域。将多agent技术应用于多传感器管理领域研究,以开发多传感器智能管理的多agent系统,提出了其原型系统的基本框架和系统实现途径及方法,其中着重研究了融合agent与传感器agent的原型系统结构、基于多a-gent理论的传感器管理问题分布式任务分解与控制问题以及agent之间的协调合作问题。原型系统的研究,为实际应用系统的研制开发提供了理论指导和方法依据。     

非平稳数据处理方法与瞬时频率

利用“经验模式分解”(EMD)方法,任何复杂的数集都能够被分解为有限且通常数量较少的“本征模式函数”。“本征模式函数”产生瞬时频率,最终结果表示为H ilbert谱规定的能量-频率-时间分布。应用“经验模式分解”方法表示自然现象中的传统非线性平衡系统及其数据的数值结果,同时给出实例展示了这种新方法的作用和效果。这种方法阐明了能量-频率-时间分布,进一步显示出对非线性非平稳系统的处理效果———精确化、形象化和可视化。     

关于集值拟终鞅的若干结果

在 X~*可分的条件下讨论了集值拟终鞅的若干性质,且在此基础上证明了集值拟终鞅在弱收敛意义下的收敛定理,同时给出了集值拟终鞅的 Riesz 分解定理。     

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.     

基于投影分解与k最近邻距离的异常证据检测算法

为降低异常证据对合成结果的影响,提出了基于投影分解与k最近邻距离的异常证据检测算法。该算法在对证据集中所有证据进行焦元单一元素投影分解的基础上,重新构造证据的基本概率赋值,然后利用证据之间形成的欧式距离,采用k最近邻距离算法对异常证据进行检测。无线传感器网络应用实验分析表明:该算法可有效地对异常证据进行检测。对检测前后的证据利用证据合成规则进行融合对比结果发现,剔除了异常证据的合成结果并具有良好的峰值性和可分辨性,合成结果有利于融合决策。     

合成双射流冲击平板流场结构与模态分解分析

为揭示合成双射流冲击平板流场结构特征,通过大涡模拟方法对合成双射流冲击平板流动进行了仿真,采用有限时间Lyapunov指数方法对流场的拉格朗日涡结构进行了识别,并与欧拉框架下的速度矢量和涡量结果进行了对比分析。结果表明,在合成双射流两股射流交替作用下,射流核心区涡系结构较为复杂且涡量丰富,远离核心区存在一对稳定的涡结构,且拉格朗日涡结构与涡量对应较好,为合成双射流冲击冷却的布局设计提供了指导。另外,流场本征正交分解表明,第一阶模态关于激励器出口中心轴线大致对称,其能量占总体能量的35%,前6阶模态的能量占80%;根据前6阶模态所反映的流场特性,合成双射流冲击平板流场具有高度的对称性。     

含噪混合盲扰信分离中联合降噪技术研究

针对盲扰信分离技术在含噪混合条件下分离效果差的问题,文章采用经验模态分解和小波变换联合的降噪技术进行分离前的消噪预处理,研究了联合降噪的三种模式,分别对其降噪效果进行了仿真分析,得到了一种较好的联合降噪模式。将该模式与无噪环境下的盲分离算法相结合,弥补了经典盲源分离算法处理含噪混合盲扰信分离的不足。仿真结果表明该算法在一定范围的低信噪比条件下,能够从含噪的混合信号中恢复出通信信号源。     

标准模型下非基于双线性对的非交互门限密钥封装机制

现有的高安全门限密码方案都是基于双线性配对实现的,由于双线性对的计算需要耗费大量的资源,这些方案在资源受限的环境下很不实用。因此,构造非基于双线性对密码方案是一件非常有意义的工作。带符号的二次剩余类群具有同双线性对类似的优良性质,可以用来构造门限密码方案。在带符号的二次剩余类群中,利用投影公钥技术,构造了一个非交互的门限密钥封装机制。该方案在因子分解困难问题假设下,具有自适用选择密文攻击安全性。由于避免了耗时的双线性对运算,方案具有较高的效率,可应用于资源受限的网络环境中。     

基于双PN周期的短码DS-SS信号扩频波形及信息序列盲估计方法

针对短码DS-SS信号盲解扩,研究了DS-SS信号的扩频波形及信息序列盲估计问题,提出一种基于双PN周期分解的扩频波形与信息序列联合盲估计算法,该算法在低信噪比条件下同时完成扩频波形和信息序列的估计,计算量小,且避免传统方法利用单PN周期分解时扩频序列连接的相位模糊等问题,提高了肓估计的正确率.最后仿真验证了算法的有效...     

基于L曲线的跳频信号重构正则化参数优化

研究了基于L曲线的跳频信号重构正则化参数的选取问题,对跳频信号的稀疏性进行了分析,采用L曲线对系统的最优正则化参数进行了选取．在此基础上,通过推广的正则化FOCUSS算法估计了跳频信号的稀疏表示．仿真结果表明,通过L曲线选取的正则化参数在推广的正则化FOCUSS算法下,能够实现跳频信号在噪声环境下的重构．