基于多传感器特征融合的TBM拦截效果评估

基于多传感器特征级融合研究了TBM拦截效果评估的问题。首先分析并选取了拦截效果特征信息,构建了基于模糊神经网络的拦截效果融合评估模型;之后从模糊化、模糊推理、反模糊3个方面论述了评估模型的实施过程,进行模糊推理时采用一种改进的BP算法完成了推理规则的实现。最后通过实例仿真验证了改进BP算法的有效性,并验证了评估模型的可靠性及良好的融合性能。     

混合离散粒子群的任务调度算法及应用

针对粒子群算法存在易陷入局部极值、精度差的缺点,引入了模拟退火的思想,研究了一种混合粒子群优化算法,防止早熟现象的产生,使种群在更新迭代中保持了多样性,并将混合算法应用到典型的任务规划调度问题求解中,通过仿真验证了混合算法的有效性,与单一的离散粒子群算法相比,提高了调度问题的求解效果。     

基于MUSIC的高分辨率到达频率差估计方法

多重信号分类(MUSIC)算法具有高分辨率、高精度和同频多信号的频率估计能力,利用这一性能可将其应用于到达频率差估计,得到基于MUSIC的到达频率差估计方法。这种方法在不同信噪比、带宽、采样率和积分时间等条件下,均能对到达频率差进行高精确估计,仿真结果验证了该算法的可行性、有效性和稳健性。     

基于优化蚁群算法的装备调拨决策系统研究与设计

将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定程度的改进.     

基于DPA的LED非线性部件逆向研究

在军事和商业应用中有很多密码算法是半公开或者不公开的,旨在证明算法保密对密码的安全性提高并没有明显帮助．针对轻型分组密码LED的未知非线性部件S盒,提出了一种基于差分功耗分析的逆向方法,该方法可以利用差分功耗曲线的极性信息来恢复未知算法结构．实验结果表明,在LED的S盒参数未知时,利用功耗采集平台采集算法运行时泄露的旁路功耗信息,可以成功逆向出全部s盒信息,验证了该方法的可行性．     

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．     

音波法气体管道泄漏定位影响因素分析及算法改进

为提高音波法气体管道泄漏定位的精度,对影响该方法泄漏定位的主要因素以及定位算法进行了研究。通过假设计算,分析了绝热指数和压缩因子对定位精度的影响。结果表明,压力较大时绝热指数和压缩因子变化较大,在定位计算中不能忽略。在此基础上,考虑管内沿线气体的流速、温度和压力分布等因素,对音速公式、气体流速公式以及定位公式进行修正,从而得到可以较为精确求解泄漏位置的计算公式,并通过牛顿-科茨公式改进算法。研究结果对进一步完善音波法管道气体泄漏检测技术具有一定的设计和理论指导意义。     

一种改进的应用于高速目标角点检测的AFJHA算法

针对经典Harris角点检测算法对于全局像素点求取角点响应函数所带来的计算复杂度高,从而不适合实时检测的弊端,提出了一种新的快速角点检测算法。鉴于角点数量只占整个图像像素点很小一部分,首先利用四方向亮度导数来进行候选角点预判断,阈值选取为图像像素点像素值的标准差的倍数。经过预判断后,再考虑8-邻域相似点个数,根据相似点个数对应的情况对候选角点进行再判断,将剩下的候选角点进行Harris算法检测。仿真结果表明,此改进算法能够有效地提高角点检测效果并减少检测时间。     

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。     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。