type Status report
message
description The requested resource is not available.
针对定位系统因非视距传播、多路径效应等因素所导致定位精度降低的问题,提出了一种基于到达时差的误差修正声源目标混合定位算法。首先,该算法在传统加权最小二乘法中引入动态权值修正技术获得泰勒级数迭代法初值,减少了迭代次数;其次,提出了后项时延选择算法,并结合标准残差函数剔除了误差较大的时差对定位性能的影响,选择最优的时差组合方式进行目标位置解算;最后,通过标准残差加权的方式修正混合定位算法误差,得到声源目标位置。 实验结果显示,新提出的误差修正混合定位算法性能优于参考算法,且对非视距误差具有显著的抑制作用,有效地提高了定位精度。
传统的密钥生成算法没有同时利用幅值及相位两方面的信息,对信道信息利用不充分。针对此问题,提出了一种使用k均值聚类进行密钥生成的方案,该方法可以充分利用多个维度的信息,提高生成密钥的一致性。在密钥生成过程中,双方通过传输聚类中心的位置来进行对测量值进行分类,不会造成密钥信息的泄露。为了更好地提高密钥的一致性与随机性,结合随机导频系数和二维补偿方法,又提出了一种k均值二维补偿密钥生成方案。仿真结果表明,相比于其他密钥生成方法,两个方案在密钥的一致性与随机性方面性能更优。
针对现有场景自适应非均匀性校正方法存在的图像过平滑和非均匀性残留问题,提出了一种基于级联残差学习的非均匀性校正方法。该方法将多尺度特征提取单元所获取的特征进行融合,并运用残差学习策略解决深度神经网络的过拟合问题。实验结果表明,该方法在平均峰值信噪比上较传统的场景自适应校正方法有近5dB的提升,主观视觉效果也更加清晰锐利。
针对传统交通流多步预测精度低的问题,提出了一种交通流周期预测模型。该模型结合交通流的周期性特征重构时间序列,并引入主成分分析降维思想,利用回声状态网络模型进行交通流时间序列预测,同时采用自适应扰动粒子群算法优化模型中的重要参数。将该模型应用到实际交通流时间序列中进行有效性验证,其预测结果的平均绝对百分比误差为9.8%,比传统回声状态网络多步预测模型降低了12.7%。实验结果表明,该模型可有效地避免预测结果延迟问题并大幅提高多步预测的精度。
为了获取适合人眼观测的高质量红外与可见光融合图像,提出了一种基于视觉显著性指导的红外与可见光图像融合算法。首先,利用改进的流形排序法分别检测红外与可见光图像的视觉显著性区域;然后,采用非下采样轮廓波变换对红外和可见光图像进行多尺度、多方向分解,从而获取各自低频子带和高频子带,并将视觉显著性的检测结果用于指导分配低频子带的融合权重,即依据显著度大小赋予不同的权值,而高频子带的融合则依据局部标准差准则赋值;最后,通过非下采样轮廓波逆变换获得融合图像。实验结果表明:这种算法不仅可以保全可见光图像中的细节信息,而且能够精确地突显出红外目标信息,具有较好的视觉效果, 增强了红外与可见光复合前视系统的识别性能。
针对模型检测中状态空间爆炸问题,在CPAChecker的抽象谓词检测方法的基础上,提出了一种基于动态执行的检测方法. 首先,根据程序的控制流程图,对程序进行静态检测。 在静态检测的过程中,根据分支语句的确定性,利用动态执行的方法来加快检测的过程。 其中,抽象检测可以有效地限制系统模型的规模,动态执行不仅可以有效地减少静态检测导致的误判,而且有助于引导构建精确的系统模型,降低虚假反例的数量和不必要的反例分析和精化。 实验数据显示,这种算法明显提高了传统的反例引导谓词抽象精化算法的检测效率和准确率。
针对提取图像局部特征时,尺度不变特征变换描述子对光照条件变化仅有部分不变性,特别对非线性光照变化不具备不变性,对模糊的目标图像也无法准确提取或仅能提取到很少特征点的问题,利用局部二值模式描述子对光照的健壮性提出了一种符合人类视觉系统的自底向上再到自顶向下的视觉认知过程的新的抗模糊的图像局部特征描述子。实验表明,所提出的描述子对光照变化有更好的健壮性,对模糊的目标图像能准确地提取出更多的特征点,保留了尺度不变特征变换对缩放、旋转和压缩等变换的不变性,并显著地提高了针对模糊图像的匹配率。
针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型。该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值。该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励。实验结果表明,该新算法模型能有效地提升机器人避障性能。
针对多分量调频信号的相位结构分析问题,提出了一种基于维特比算法的瞬时频率估计方法。该算法受多目标跟踪中的航迹关联思想启发,将瞬时频率轨迹追踪同多目标航迹跟踪相结合,建立了一种新型隶属度惩罚函数,解决了原维特比算法只适用于单分量信号的问题。此外,还提出了一种新型时频交叉点的处理方法,能够提高多分量信号瞬时频率交叉时的估计精度。仿真表明,相较于现有的同类型算法,该方法能够准确地获取复杂相位结构的多分量信号瞬时频率信息,有效地提升了维特比算法在多分量信号瞬时频率估计上的适用性和稳健性。
为解决目前主流相关滤波跟踪方法中跟踪结果容易陷入局部最优值以及因引入深度学习带来的特征提取过程过慢的问题,提出一种融合极限学习机和相关滤波器的鲁棒性目标跟踪算法。该算法在C-COT算法的基础上对其特征提取方式和置信图的寻优方法进行改善。首先,利用多层稀疏自编码极限学习机技术,设计新的特征提取模型,以代替原来的卷积神经网络,可快速且高效地提取图像特征;其次,在特征提取模型之后,添加在线序列极限学习机,构建目标粗糙位置估计模型,采用多峰检测方法初步求得目标的预测位置;第三,根据初步的目标预测位置确定置信图的搜索区域,避免跟踪结果陷入局部最优值;最后,在3个目标跟踪标准数据集上验证新算法的有效性。实验结果表明,新算法的跟踪速度是C-COT算法的12.9倍,且对遮挡、运动模糊以及相似目标等有较强的鲁棒性,可有效地提高跟踪精度和速度。
基于非凸光滑损失的鲁棒支持向量机分类模型对异常点具有鲁棒性,但已有求解算法需迭代求解二次规划,计算量大且收敛速度慢,不适合训练大规模数据问题。为了克服这些缺点,首先给出收敛速度更快的方法求解鲁棒支持向量机模型;然后基于最小二乘的思想,提出了一种推广的指数鲁棒最小二乘支持向量机模型及其快速收敛的求解算法,并从理论上解释了模型的鲁棒性;最后利用核矩阵的低秩近似,提出了适于处理大规模训练问题的稀疏鲁棒支持向量机算法和稀疏指数鲁棒最小二乘支持向量机算法。实验结果表明,新算法在收敛速度、测试精度和训练时间等方面均优于相关算法。
为减少均衡器非零抽头数,降低计算复杂度,该文将多进多出系统稀疏有限冲激响应判决反馈均衡器设计问题转化为l1范数最小化问题,并提出利用最小角回归算法迭代计算稀疏判决反馈均衡器非零抽头位置和权重。仿真结果表明,在给定较小的性能损失下,相比最小均方误差准则的非稀疏最优均衡器,在相同的误比特率下,所提方法设计的稀疏判决反馈均衡器在车载移动A信道中的最大信噪比损失约为0.3dB,而其非零抽头数目减少超过70%,达到了性能与计算复杂度的有效权衡。
为了提高图像隐写分析方法对小嵌入率隐写术检测的准确性,针对小嵌入率隐写术提出一种基于高度模块化网络结构的图像隐写分析方法。首先,通过重复残差网络单元来构建基础网络模型,以提取数字图像中的复杂统计特性;其次,增加分组卷积以提取残差图像通道信息,加强来自隐写信息的信号特征;最后,利用大量数据集对网络进行训练,得到了基于模块化残差网络的图像隐写分析方法。实验结果表明,所提方法相较于现有算法可以提取更有效的图像特征,从而得到更好的检测效果。同时,利用残差网络块作为模板,可以很容易地搭建网络模型,便于网络的调整和训练。
为提高噪声环境下的语音识别准确率,提出一种改进的语音特征提取算法。该算法采用模拟人耳听觉特性的非线性幂函数提取一种新的耳蜗滤波倒谱系数,并在特征提取前端引入谱减法对信号进行增强,将提取到的新的特征及其一阶差分组成一种混合特征参数;再联合主成分分析对该混合特征进行降维,将最终得到的特征用于一个非特定人、孤立词、小词汇量的语音识别系统。实验结果表明:采用非线性幂函数提取的耳蜗滤波倒谱系数特征与传统的耳蜗滤波倒谱系数特征相比,明显提高了语音识别准确率;混合特征参数相比单一特征能达到更佳的语音识别性能;结合主成分分析后的特征集在信噪比为0dB时的识别正确率可达到88.10%。
为了有效地检测围栏上的人类活动,对已有的使用神经网络的围栏人类活动识别系统进行了优化,提出多级识别、多节点融合判断等优化算法。多级识别算法通过初级识别排除掉了大量无活动时的背景数据,降低了上传的数据量,提升了下一级的识别准确率;多节点融合算法通过融合地理位置相邻的节点的识别结果,提升了结果的可靠性。基于小型围栏环境的实地数据,通过实验仿真验证了算法的有效性。优化算法的数据传输速率、数据传输总量都远小于基准算法;多节点融合算法去除掉了67.7%的冗余识别结果。
为了有效地改善超低频频段的通信质量,在广义旁瓣抵消算法的基础上,提出了一种改进的广义旁瓣噪声抵消算法。首先,该算法将主通道中的延时求和用线性滤波算法代替,有利于进一步提高非相干噪声的抑制能力;其次,鉴于各通道信号强度存在差异,采用优化后的阻塞矩阵代替原来的简单相减阻塞矩阵,有利于减少期望信号的残留,从而提高算法的性能;最后,采用线性滤波代替原来的自适应算法,可以在实现噪声抵消的同时不降低主天线的灵敏度,且提高算法的运算速度。为了验证所提算法的有效性,在实验室环境下搭建了实验平台,设计了多组对照实验。实验结果表明,这种模拟电路可有效地抑制工频及其谐波干扰。改进后的广义旁瓣抵消算法相比于原算法,在信噪比和噪声底限的改善上有较大的成效。
针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。
针对实现参考频率和输出的频率近似相等或者近似成整数倍关系时遇到的锁相环设计方案复杂以及高性能的模拟锁相环不适宜于集成化问题,设计了主要由模数转换器、全数字式鉴相器、数字式低通滤波器和数控振荡器等构成的全数字式锁相环。主要利用模数转换器在动态量采集时具有的边沿效应从其采集的大量数据中选择出精度更高的数据用于后级的全数字式鉴相,实现了一种全数字式锁相环。实验结果表明了该方案的正确性及其具有锁定精度高和环路的本底噪声低等特性。
针对传统基于固定权值卷积特征的深度学习跟踪算法在部分视频跟踪失败的问题,提出一种新颖的基于响应图和熵函数的评估各卷积神经网络层跟踪性能的方法. 该方法能根据评估结果自动调整各层的权值系数;同时引入边界框检测机制,当跟踪响应最大值小于给定阈值时,采用滑动窗口采样一定数量的边界框,并对边界框进行评估,生成初始建议边界框;最后在初始建议边界框的基础上进行相关滤波跟踪,并给出模型更新策略。 将文中算法与其他9种算法在OTB-2013视频数据库上进行跟踪仿真,实验结果表明,所提算法具有较高的中心点距离准确率和跟踪成功覆盖率。
针对分布式多进多出雷达,提出了一种基于时延测量值的约束加权最小二乘定位算法。该方法通过引入目标到参考站的距离这一变量,将目标定位方程进行了伪线性化处理,并构建出代价函数;随后,进一步挖掘出该变量与目标位置的关系,并将其作为约束条件;最后,将非线性的目标定位问题转化为带二次约束的二次规划问题,通过采用拉格朗日乘子算法求得目标定位的闭合解。仿真结果表明,所提出的算法在相对较高噪声的情况下仍然能够达到克拉美罗界,具有较强的抗噪性。
针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。
采用中芯国际0.18 μm CMOS集成电路工艺,设计了一种内嵌于数字信号处理器芯片的高耐压增强型控制器局域网驱动器。基于控制器局域网总线通信协议,通过堆叠式高耐压驱动技术及浮动衬底技术,实现了CMOS集成电路标准工艺下高耐压驱动器设计,避免了高压工艺造成的成本增加;通过端口电压内串至输出驱动电路控制模块,解决了输出端口静电放电问题,省去了传统方案额外的端口静电保护电路,降低了芯片面积开销。流片结果表明,该结构符合控制器局域网总线通信要求,端口静电放电测试达到静电敏感等级的3B级,满足了应用需求。
为构造有效的情感识别系统,通过声音刺激分别诱发出高兴、悲伤、生气以及中性4种情感,并采集相应的语音信号和脑电信号。首先,利用相空间重构技术提取脑电信号和语音信号的非线性几何特征和非线性属性特征,并结合两者的基本特征分别实现情感识别;然后,通过构建基于限制玻尔兹曼机的特征融合算法,从特征层融合的角度实现多模态情感识别;最后,利用二次决策算法从决策融合的角度构建多模态情感识别系统。实验结果显示,从特征融合的角度构建的多模态情感识别系统相比语音信号和脑电信号情感整体识别率,分别提高1.08%和2.75%;从决策融合的角度构建的多模态情感识别系统相比语音信号和脑电信号情感整体识别率,分别提高6.52%和8.19%;决策融合相比特征融合构建的多模态情感识别系统整体识别效果更优。因此,融合语音信号和脑电信号等不同来源的情感数据可以构造出更有效的情感识别系统。
研究了沉积法在碳纳米管中掺杂金属金对碳纳米管与金属电极间的电接触特性的影响。首先,采用酸回流方式在碳纳米管表面构造缺陷及亲水官能团并配制碳纳米管分散液;然后,采用柠檬酸钠和氯金酸配制金溶胶溶液,再将配制好的碳纳米管分散液滴入金溶胶溶液中,经震荡沉积得到掺杂金纳米粒子的碳纳米管样品。扫描电子显微图片及红外吸收光谱表明,酸回流成功地在碳纳米管管壁及端部构造了一些缺陷及亲水官能团。形貌表征及X射线光电子谱表明,在碳纳米管表面及端部成功地掺杂了金纳米粒子。掺金后碳纳米管拉曼光谱的G带波数增大,表明该掺杂类型为p型。最后,采用介电电泳法将原样与掺金碳纳米管分别组装到金电极之间,并实时测量接触电阻。结果表明,沉积法掺金可降低碳纳米管与金电极间的接触电阻,其阻值平均降幅高达71.49%。
针对现有的安全服务路径优化构建方法缺乏综合考虑具体安全需求和底层资源状态的问题,提出一种基于启发式广度优先搜索算法的安全服务路径优化构建机制。首先,给出了基于软件定义网络的安全服务路径构建的总体结构,并引入整数线性规划对安全服务路径优化构建问题进行数学建模;其次,提出一种启发式广度优先搜索的模型求解算法,主要采用“先选择后搜索”的方式,解决同时考虑具体安全需求和底层资源状态的安全服务路径优化构建问题。仿真实验结果表明,所提出的构建机制在性能指标上优于对比方法。
针对煤矿井下长距离定位时节点信号波动大、非视距路径信号衰减严重造成定位精度低问题,提出一种区间分段式视距节点合作定位算法。该算法利用学习向量量化聚类将长距离信号传输区间自定义分段,利用分段阈值选择未知节点所属区间;把已定位出结果的未知节点视为其他未知节点的虚拟参考节点,实现所有节点信息相互交流,在节点筛选思想下,利用信道状态信息,克服多径效应来寻找视距路径节点,将近距离区间内的已定位视距路径节点代替远距离区间内的参考节点,减少远距离参考节点的使用。结果表明,与传统未分段、未寻找视距路径节点合作的算法相比,定位误差只有1.5m,精度提高率达到85%。
针对目前群智能优化及进化计算算法在解决直线形阵列天线辐射方向图的旁瓣电平抑制和零陷控制问题时易出现求解精度不高及收敛速度较慢的问题,提出了一种基于扩散变异策略的布谷鸟搜索算法。该算法首先利用聚集扩散策略来提高算法的全局搜索性能,然后引入遗传算法中的基因突变策略,用以提高种群的多样性,进而提高算法的局部搜索能力。仿真结果表明,所提算法在抑制直线形阵列天线方向图的旁瓣电平和控制零陷方面与萤火虫算法、粒子群算法、传统布谷鸟搜索算法、金斑蝶优化算法和蚯蚓优化算法相比,具有更快的收敛速度和更高的求解精度。
为改善空间耦合低密度奇偶校验码在块衰落信道下的性能,基于空间耦合低密度奇偶校验码的原模图结构特性,提出一种能够实现满分集的串联多链空间耦合低密度奇偶校验码集。该码集通过交换各子链相同位置上变量节点的边连接将多条子链进行耦合,使不同衰落块之间具有强相关性,从而能有效地避免由于信道深衰落引起的中断。根据原模图外信息转移算法,分析了该码集的无限长性能,并进一步通过置信传播译码算法得到该码集的有限长性能。仿真结果表明,所提出的串联多链空间耦合低密度奇偶校验码集能够有效地提升空间耦合低密度奇偶校验码在块衰落信道下的性能。
超密集网络能够最大化频谱利用率,但不可避免地带来严重的小区间干扰。为解决该问题,提出一种能够适应超密集网络动态负载场景宏微协作的干扰最小化资源分配算法。首先通过宏微协作交换小区子带干扰信息;然后为高功率用户分配邻区子带干扰较小的资源来降低小区间干扰。当小区业务部分加载时,算法还通过为高功率用户分配更多的带宽资源来降低它们的功率谱密度,从而进一步降低小区间干扰。仿真结果表明,新算法在业务量动态变化的超密集网络中能够有效地降低网络的干扰水平并提升网络的能效比。
针对传统广义标签多伯努利滤波算法因需已知新生目标状态分布信息而导致在实际场景中估计精度下降的问题,提出一种新的自适应目标新生δ广义标签多伯努利算法。该算法以广义标签多伯努利滤波器为基础,利用上一时刻接收到的量测信息反推当前时刻新生目标的存活概率和状态信息,并给出其标签伯努利随机集的参数表示。仿真结果表明,所提算法对于未知新生目标先验信息的复杂运动场景具有较强的多目标跟踪鲁棒性,且跟踪精度以及时间耗费均优于传统广义标签多伯努利滤波器。
针对现有基于注意机制的图像描述方法全局信息缺失问题,提出了一种改进的全局注意机制图像描述方法。该方法在注意机制的基础上,通过设计全局特征网络来模拟人类感知机制的全过程,对图像全局特征进行增强。将所提方法在相同数据集和网络超参数的情况下与目前最优网络进行实验对比,分析了全局信息对生成文本的影响。实验结果显示,文中提出的方法在更具挑战性的中文文本描述任务上客观评价指标优于目前最优的模型。同时,在主观评价中能够生成更准确的文本内容,也更具丰富性与多样性,接近自然语言描述。
为提高星载相控阵天线热变形误差估计精度,提出一种结合机械测量和信号处理的误差估计方法。该方法利用测量传感器的测量数据,能够快速地拟合得到形变阶数和阵元初始位置;根据星-地几何关系,提取已知来波角度的模糊地块回波作为校正源数据,进而结合形变特性建立优化模型,在迭代中计算得到更加精确的阵元位置估计值。仿真结果表明,该方法能够获得优于1/15波长的热变形误差估计结果,并且在较大变形误差的情况下仍具有良好的稳健性,最终获得了良好的方向图校正结果。
针对传统雷达高分辨距离像目标识别方法只考虑高分辨距离像样本的包络信息而没有考虑其时序相关特性问题,提出了一种采用双向长短时记忆网络模型的识别算法。该算法首先选取出高分辨距离像样本的目标区域,并根据目标区域提取对于平移敏感性稳健的输入特征;然后采用双向长短时记忆模型对输入特征提取双向时序信息;最后通过投票策略融合双向信息,输出样本类别。采用实测数据的实验结果表明,该算法不仅可以有效地识别雷达目标,而且对于平移敏感性非常稳健。
为了节省传输系统数据带宽,满足实时压缩要求,通过对Deflate算法硬件实现,设计了一种无损高压缩率电路。通过4列双哈希并行匹配,采用静态哈夫曼编码技术,发挥硬件流水结构和并行计算优势,提升了压缩速度及压缩率。该硬件电路由系统硬件描述语言设计,使用现场可编程阵列进行测试并验证,最终应用于基带追踪数据进行流片,压缩模块面积为0.022 mm 2。测试数据表明:该压缩电路获得了56.68%的高平均压缩率,压缩速率提高至1039Mbit/s。该压缩模块速率及压缩率可满足基带数据追踪系统实时压缩要求。
针对带隙基准电路对集成电路精度的影响,提出了一种新的低温漂带隙基准电路。通过分段温度补偿,补偿了带隙基准电路,减小了温度漂移,优化了基准的温度性能。基于西岳公司3μm18V双极工艺,设计了基准电路和版图,并进行流片。仿真和流片结果表明:在典型工艺角下,基准在-55℃~125℃内,温度系数为1.7×10 -6~6.0×10 -6/℃;在2.2V的电源幅度范围下,具有0.03 mV/V的电源抑制特性。该电路已成功应用于一款线性稳压电源中。
护士排班问题是多约束条件下的NP难优化问题,好的排班对提高护士工作效率、优化医院人力资源配置具有重要意义。然而,目前大多数算法不仅在计算时间和求解质量之间难以有效达到平衡,而且很难在可行的时间内求解这类大规模问题。针对上述问题,提出了一种新的智能高效两步并行护士排班算法。第1步采用启发式调整排序随机生成问题的初始解,以获得高质量的算法初始解;在此基础上,第2步采用并行智能多样化变邻域搜索和增量式计算来快速寻优。同时,采用随机扰动使算法逃离局部最优,并引入禁忌列表以避免冗余计算。大量的标准测试数据集上的仿真实验结果表明:这种算法在平均解质量和运行时间上均优于现有最好的护士排班算法,且更适合于大规模护士排班问题的求解。
以包括塑料球栅阵列封装和单电源电平转换芯片封装结构的某基板为研究对象,为了计算其在热振耦合加载条件下的疲劳寿命,基于递增损伤叠加法提出了一种改进的热振耦合载荷作用下的疲劳寿命计算方法。该方法应用Anand统一粘塑性理论描述焊点材料在热循环加载条件下的力学行为,并基于热循环载荷频率修正后的Coffin-Manson方程计算热循环寿命。计算出不同温度环境中的随机振动损伤,以各温度在热循环载荷中所占的时间分数为权对各个随机振动损伤进行平均,将随机振动平均损伤与热循环损伤进行叠加,得到总损伤,进而得出疲劳寿命。研究结果表明,在一定的热振载荷加载条件下,研究对象的疲劳寿命满足使用要求。
针对现有连续性缺失补全方法的不足,建立了一种多视图深度融合的连续性缺失补全方法。该方法采用反转距离加权插值、双向简单指数平滑、用户协同过滤、能量扩散协同过滤及文本嵌套的方法,分别得到时空和语义缺失数据补全中间结果;构造了神经网络模型融合跨时空和语义视图中的互补异构信息,完成连续性缺失补全。实验表明,该方法补全连续性缺失不但效率高,而且比时空多视图补全在平均绝对误差与平均相对误差上分别降低7%和22%,具备普适性且适用于相关时空连续性缺失序列补全领域。
针对基于多进多出雷达的空时自适应处理方法的检测性能对目标参数估计误差敏感从而导致系统检测概率稳健性较差的问题,提出一种改善多进多出空时自适应检测性能的发射波形和接收权联合稳健设计方法。首先推导了多进多出空时自适应输出信干噪比的数学表达,而后构建了目标空时频导向矢量估计误差模型。在此误差模型、波形恒模特性、旁瓣以及杂波抑制等约束下,基于最大化最差情况下输出信干噪比准则,提出了改善多进多出空时自适应检测性能的发射波形相关阵和接收权联合稳健优化问题。为求解所得复杂非线性优化问题,提出一种迭代方法,其中每一步都可转化为半定规划问题,因而可获得高效求解。仿真结果表明,与现存主要的稳健方法、非稳健方法及不相关波形相比,所提方法可显著改善多进多出空时自适应检测概率的稳健性能。
由于移动通信技术的发展,设备被分散或者置于偏远地区,使用远程控制可降低所耗费的人力和物力。当前,接地极极址往往位于直流线路两端,每次拉合刀闸准备时间长,工作效率低,而国内外直流线路接地极运维单位较少,导致运行维护经验相对较少。针对当前状况,采用步进电机实现力矩输出,进行远程控制系统的研究和实现,构建基于STM32单片机的步进电机最小控制系统并接入全球移动通信系统通讯网络,进而输出所需要的扭矩来实现电闸的开合。由系统部署成功后测试结果可知,系统能良好地达到预期效果,实现步进电机的启停、变向及变速等。采用这种远程控制系统,能适应各种工作环境,实现极址刀闸的自动拉合,代替人工操作。
