高速并行Gardner算法设计与实现

随着空间探测任务逐步增加、空间信道频谱资源日趋紧张,传统Gardner定时同步算法已经无法满足高速数传系统高通量、高可靠性的需求。为了提高Gardner定时同步算法的吞吐率并增大可纠正误差范围,提出一种高速并行Gardner算法。为了保证插值精度同时减少乘法器消耗,设计了一种并行分段抛物线插值滤波器;为了便于并行流水线设计和最佳采样点选取,构建了计数模块和定时缓存调整模块;为了提高等价吞吐率,重构了流水线并行环路滤波器结构和并行数控振荡器结构。结果表明,该算法等价吞吐率可达1 739.13 Msps,数字信号处理器资源消耗可减少44%,可纠正2×10^-3的定时误差。     

子集和问题的分治求解

介绍了求解子集和问题的一个分治算法。设给定的n个正整数为A(1),A(2),…,A(n-1),A(n),给定的子集和为正整数M,算法的时间复杂性为O(nlog2(M+1)+1),空间复杂性为O(n)。当M较小时,算法复杂性优于二表算法的复杂性。     

激光二极管与单模光纤自动对准搜索算法

针对激光二极管与单模光纤的自动对准,从搜索路径规划和参数选择出发,给出五自由度自动对准搜索算法解决方案,为了提高搜索效率,提出新的指数函数拟合算法应用到XY平面的搜索过程中,给出了算法的基本原理和实现方法。实验证明,与爬山法相比,这种算法由于减少了采样点数而缩短了搜索时间,从而提高了自动对准的速度。     

运动补偿与UWB SAR中RD成像算法结合的实现方法

分析了机载合成孔径雷达(SAR)中载机运动误差对接收信号的影响,指出在运动补偿处理中可以将距离向误差分解为空不变项和空变项,在此基础上采用一阶和二阶运动补偿的方法来对两个误差项进行补偿.为了将测量的运动误差数据应用到高分辨率成像中,提出了一种与距离多普勒(RD)成像算法相结合的运动补偿方案.通过对仿真数据的测试,本文方法得到了验证.     

混合遗传算法及其在运载火箭最优上升轨道设计中的应用

运载火箭最优上升轨道设计问题是一类终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时收敛性差、局部收敛等问题表现得比较突出。针对上述问题,将具有良好全局收敛性的遗传算法应用到运载火箭最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合遗传算法和单纯型算法的优点,设计了两种混合遗传算法。计算结果表明,所设计的混合遗传算法是求解复杂问题的有效全局优化方法,可以成功地解决一类终端时刻可变飞行器最优控制问题。     

基于BP人工神经网络的GPS/SINS组合导航算法

基于扩展Kalman滤波的GPS/SINS组合导航算法,需要对原始的非线性连续系统模型进行线性化和离散化处理,要求系统噪声和测量噪声为零均值的高斯白噪声,且易于出现滤波器发散。BP人工神经网络无需对所求解的问题建模,能够很好地逼近系统非线性特性,获得较高精度的导航定位信息;还具有计算过程稳定,不涉及矩阵求逆,不需要迭代逼近,以及容易实现并行处理等优点。设计适用于GPS/SINS组合导航系统的BP网络模型,并在标准的BP算法基础上,采用共轭梯度法改进网络训练速度及精度。最后,通过仿真算例说明BP网络方法用于GPS/SINS组合导航计算的可行性。     

轨道优化实时计算的梯度投影下降算法--防空导弹轨道优化的实时计算方法之二

在防空导弹的发射过程中,需要在给定的响应时间内确定最优轨道,导弹沿此轨道在预定的时间飞达预测遭遇点.为了轨道优化的实时计算,构造了一类梯度投影下降算法,并且给出实际应用的具体步骤.对防空导弹运动的一个数学模型的数字仿真结果表明应用这些算法可以达到很高的控制精度.     

基于模糊贴近度的舰船辐射噪声分类方法

针对BP网络的弱点,提出了基于模糊贴近度的舰船辐射噪声分类方法,该方法能够在不对BP网络做大的改动的前提下,克服神经网络容易陷入局部最小值,以及使用赢者独活决策策略导致的误识的弱点.实验结果证明了该方法的有效性.     

潜艇定深运动的自适应模糊控制研究

针对潜艇定深运动过程中存在非线性、时变参数、复杂干扰的特点,提出了一种基于神经网络的自适应模糊控制器,并采用学习速率自调整的EBP算法对模糊控制器进行了在线调整.仿真结果表明,该控制器能辨别出潜艇的平衡舵角,与常规的PID控制相比,具有抗干扰能力强、响应速度快、精度高等优点.     

极大单调算子零点的逼近问题

设H为实Hilbert空间,C为H的非空闭凸子集,T:C→2H为极大单调算子,假设S(T)={x∈H:0∈Tx}≠Φ。 xk∈H,βk>0,求 xk及ek满足( )　　xk+ek∈ xk+βkT( xk),‖ek‖≤ηk‖xk- xk‖, k≥0,其中,ηk≥0,supk>0ηk<1,βk≥β>0。设PC:H→C为H到C上的最近点投影算子,定义xk+1=PC( xk-ek),k≥0,证明了若T满足(S)型条件,则{xk}k≥0强收敛于T的某个零点。