广义S变换和阈值分割联合抗频谱扩展-压缩移频干扰

根据频谱扩展-压缩(spectrum spread and compression, SSC)移频干扰信号和回波信号时频分布特性的差异,提出一种基于广义S变换和Tsallis交叉熵阈值分割的干扰抑制方法。分析了SSC移频干扰的干扰原理和干扰信号经过解线调后的信号形式,并利用时频聚焦性较好的广义S变换获取接收信号经过解线调后的时频图像,根据时频图像对应的灰度图像,以Tsallis交叉熵最小化作为目标函数,求出灰度图像的最佳分割阈值,并根据分割阈值构建时频滤波器,实现干扰抑制。仿真结果表明:该方法对于SSC移频干扰产生的假目标具有较好的抑制效果,干扰抑制比可达30 dB以上。     

RCS特性辅助的CMIMO雷达功率资源分配方法

针对集中式多输入多输出(collocated multiple-input multiple-output, CMIMO)雷达在实际探测过程中,未有效结合目标雷达散射截面(radar cross section, RCS)高动态变化特性导致雷达跟踪精度不高甚至失跟的问题,提出一种基于目标RCS高动态特性的CMIMO雷达功率资源自适应分配方法。考虑到目标RCS特征的角度敏感性,利用目标运动状态的可预测性动态获取实际观测角度,从而完成跟踪帧的极化方式优选;在此基础上构建包含功率与RCS的多目标跟踪误差后验克拉美罗下界,将其作为目标函数进行优化,利用内点惩罚法求解该凸优化问题即可实现RCS高动态情况下的功率优化分配。实验结果表明:该方法可结合目标不同方向RCS动态分集特性实现功率的有效分配,相比于传统RCS模型分配方案,有效解决了分配方案与实际跟踪场景之间的失配问题,从而提升了CMIMO雷达的多目标跟踪性能。     

面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。     

Two novel critical shock models based on Markov renewal processes

In this paper, we investigate systems subject to random shocks that are classified into critical and noncritical categories, and develop two novel critical shock models. Classical extreme shock models and run shock models are special cases of our developed models. The system fails when the total number of critical shocks reaches a predetermined threshold, or when the system stays in an environment that induces critical shocks for a preset threshold time, corresponding to failure mechanisms of the developed two critical shock models respectively. Markov renewal processes are employed to capture the magnitude and interarrival time dependency of environment-induced shocks. Explicit formulas for systems under the two critical shock models are derived, including the reliability function, the mean time to failure and so on. Furthermore, the two critical shock models are extended to the random threshold case and the integrated case where formulas of the reliability indexes of the systems are provided. Finally, a case study of a lithium-ion battery system is conducted to illustrate the proposed models and the obtained results.     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。     

模糊聚类方法在地震火灾评判中的应用

参照地震火灾的历史资料,用模糊聚类方法对城市地震的特征及火灾损失进行了分类,在此分类基础上给出了预测和评估某城市地震火灾损失的计算方法。     

传统的方位定义应用局限性研究

本文分析了传统的方位定义与计算存在的应用局限性根源,提出了适合航海及各种规模军事演练需求的改进的方位定义和计算方法,并分析了两种方位定义下的方位计算误差及适用条件.     

双预测结构融合的复杂红外图像背景抑制算法

针对复杂红外图像的背景抑制问题,提出了一种双预测结构融合的复杂红外图像背景抑制算法.算法以图像中每个像素为中心,在其局部区域内根据灰度相似程度和空间分布相关性计算像素的核值相似程度,然后根据核值相似程度有侧重地融合两种不同结构的空间滤波器的输出作为最终的预测结果,最后将原始图像与预测图像相减完成背景抑制.实验结果表明,本文提出的算法能够较好地抑制不同红外图像中的复杂背景,算法结构简单,具有较强的应用价值.     

基于深度优先搜索与增量式求解的极小一阶不可满足子式提取算法

随着寄存器传输级甚至行为级的硬件描述语言应用越来越广泛,基于一阶逻辑的可满足性模理论(Satisfiability Modulo Theories,SMT)逐渐替代布尔可满足性(Boolean Satisfiability,SAT),在VLSI形式化验证领域具有更加重要的应用价值。而极小不可满足子式能够帮助EDA工具迅速定位硬件中的逻辑错误。针对极小SMT不可满足子式的求解问题,采用深度优先搜索与增量式求解策略,提出了深度优先搜索的极小SMT不可满足子式求解算法。与目前最优的宽度优先搜索算法对比实验表明:该算法能够有效地求解极小不可满足子式,随着公式的规模逐渐增大时,深度优先搜索算法优于宽度优先搜索算法。     

排除虚假交叉定位点的新方法

多站测向交叉定位法是无源定位方法中应用较多的一种,但该方法易产生大量虚假定位点。针对这个问题,提出了一种排除交叉定位中虚假点的新方法。该方法以两个观测站为主站,其他观测站为辅站,利用辅站数据对主站数据进行筛选及反馈从而快速排除两主站中的虚假点。仿真结果表明,该算法能够快速、准确地排除虚假定位点。