多网络约束下NNS分布式融合估计器设计

针对节点量测增益衰减、节点能量受限与系统模型不确定3种网络约束下具有随机通信时滞和非固定丢包率的组网导航系统(NNS)分布式状态融合估计问题，将增益衰减程度描述为统计特性已知的随机变量，将模型不确定描述为系统矩阵中的乘性有色噪声，将减小能耗描述为降低节点数据传输率。分别在邻节点端和目标节点端引入2种不同的线性编码器以解决丢包与时滞问题。建立丢包率与同时传输信息的节点数目之间的函数关系，将邻节点在过去有限个时刻的量测值进行线性编码后再传输，以补偿丢包与降低传输率导致的信息损失。目标节点把在同一采样周期内获取的来自同一邻节点的多个量测值按时间戳进行线性编码，以解决通信时滞导致的信息多余。基于2次线性编码建立增广系统模型，设计最小方差意义下局部无偏估计器，利用最优矩阵加权融合法得到全局融合估计器，推导得到融合估计误差协方差收敛的充分条件及次优传输率。通过算例仿真验证所提算法的有效性。     

前向数据接入方式对导航星座网络通信性能的影响分析

对采用时分多址轮询建链体制的导航星座星间链路网络，为了指导星间链路网络地面前向数据接入的应用，分析了不同地面前向数据接入方式的星-星-地联合数据交互机制及其对网络通信性能的影响，并结合应用代价给出了综合评价和使用建议。以前向数据最快路径接入方式和固定节点接入方式为代表，分析了星间链路网络与地面间星 星 地联合数据交互机制的特点，明确了两种方式下星间链路网络拓扑路由规划策略的制定原则。通过构建Walker 24/3/1导航星座星间链路网络数据处理模型及典型星地运行场景，对两种地面前向数据接入方式仿真分析了星间链路通信容量和传输时延等网络通信性能，比较分析了通信容量及数据拥塞规律，得出前向数据最快路径接入方式相比于固定节点接入方式在通信性能上有较明显优势的结论。最后，综合给出了两种星 星 地联合数据交互机制的应用性评价,同时给出了在通信容量较低且通信时延要求不高、但可靠性要求较高的应用条件下，可适度采用固定节点接入方式的建议。     

CAN总线并发通信时下位机应用软件设计

为满足系统通信中的时间性能要求,设计一种利用中断接收和发送CAN总线数据的通信方法,给出了算法的C语言流程图实现.当增加GPS作为总线主节点发送广播引起CAN并发通信导致硬件中断冲突时,针对并发通信的硬件中断冲突原理作了分析,重新设计了下位机CAN总线通信软件,解决CAN总线并发通信冲突.     

一个面向数据密集型网格的通信模型

在由多计算机集群构成的数据密集型网格环境下,为了解决通信峰值阶段的通 信冲突问题,提出了一个多级分组通信模型MGCM(Multi-level Grouping Communica tion Model)).给出了由多机群组成的数据密集型网格数据节点DGDN(Data-intensive Grid Data Node)和完全图通信等形式化定义.利用主动队列、被动队列机制,研究了单个机群内的分组通信算法GCA(Grouping Communication Algorithm)以及双机群内的计算机之间的完全图通信问题GCAD(Grouping Communication Algorithm in Double computer clusters). 基于网络距离机制、GCA和GCAD,设计了DGDN上的多级分组通信模型.理论分析和实践表明 ,该模型有效地解决了数据密集型网格环境下通信峰值所造成的并行计算效率低下的问题. 该模型适合于基于网格的数据密集型并行计算.      

基于信息素决策的无人机集群协同搜索算法

针对无人机(UAV)集群在未知环境中无先验信息条件下的搜索问题，提出了一种以信息素为决策机制的无人机集群协同搜索算法。首先，考虑无人机通信约束，建立了有外部节点的星型网络通信和无外部节点的自组织网络通信2种形式的搜索模型。其次，通过环境地图向信息素地图映射的方法建立任务环境模型。将任务过程分为3个阶段，在搜索阶段，无人机通过不断地移动实现本机信息素地图的更新；在通信阶段，通过通信网络实现多机信息素地图的融合；在决策阶段，根据局部信息和全局信息做出决策，并将栅格信息素浓度作为决策函数来引导无人机的位置更新。基于信息素地图覆盖率来定量描述搜索效果。最后，仿真结果表明，所提算法能够对区域进行覆盖搜索，表现为搜索效率高、抗毁性强、受集群的初始位置影响小。      

复杂深空通信网络的LTP传递时延建模及验证

针对简化场景下建立的LTP（Licklider Transmission Protocol）传递时延模型无法直接应用于复杂场景的问题，提出了一种复杂深空通信网络的LTP传递时延理论模型。已有研究多关注于一到两跳的简化场景或 bundle 保管开启状态下多跳场景数据传输模型的建立，然而其结果在复杂深空通信网络中，对于在 bundle 保管关闭状态下的深空通信并不适用。本文对LTP在复杂深空通信网络中的传输机制进行了分析，基于此分析对LTP在复杂深空通信网络中的传递时延进行了理论建模，搭建了仿真验证平台，仿真分析了模型的正确性及优势。结果表明，该模型计算结果与实验结果较为吻合，相比基于简化场景建立的理论模型，本文所提出的模型更加适用于复杂深空通信网络。      

航空电子限时令牌太赫兹互连的实时性能分析

在航空电子设备内部采用太赫兹通信技术实现cm级的板间或芯片互连可以减少引脚和接插件，缩小电子设备的体积，并降低维护成本。针对采用全向天线收发和开关键控（OOK）调制的近距离太赫兹通信网络，通过考虑分子吸收噪声和损耗的点到点通信链路分析，给出太赫兹信道容量计算结果；结合节点间的限时令牌多路访问协议，依据信道容量采用服务曲线模型进行最坏情况下总流量分析（TFA）和隔离流量分析（SFA）；充分考虑概率保证下应用层通信任务的突发度，得到限时令牌太赫兹互连的实时性能分析方法。案例研究表明：相较于时分多址（TDMA）方式，基于限时令牌协议的无冲突多路访问机制可以适应物理层容量和应用层负载的随机变化，保证了更小的延迟，有利于实现航空电子芯片间和板间的太赫兹互连组网和实时通信。     

机会传感网中一种自适应链路侦测数据收集算法

提出了一种自适应链路侦测的数据收集算法,以提高机会传感网链路的预测精度与传输成功率:采用自适应链路侦测算法测量出各节点的实时网内链路质量权重因子,结合节点能量消耗模型,通过基于无味卡尔曼滤波的概率预测方法对节点间的链路质量进行量化计算,实现节点对通信链路的实时自适应预测与最优化选择,从而完成数据收集.仿真实验结果表明:新算法提高了最优化路径决策的预测精度,可以有效地增加消息的平均通信成功率,降低消息的平均传输延时.     

产品协同设计中异构模型数据融合的有效策略

针对复杂产品设计中，不同设计工具产生的模型数据之间的融合问题，提出了一种工具间端到端的异构模型数据融合策略。利用数据库管理动态特性，通过模型信息共享，实现异构模型数据之间的融合。在OpenMBEE系统集成环境中，通过建模工具CREO二次开发，利用所提策略获取全生命周期设计中的动态模型属性信息，通过3D模型编辑及重用功能测试，验证了所提策略的有效性。利用自动获取可视化模型属性信息的智能算法，设计一种基于Transformer模型与双向长短期记忆(Bi-LSTM)模型相结合的模型属性智能提取算法，利用神经网络的多层感知特性，通过对模型中属性文本信息进行深度学习、特征分析，实现了对异构数据属性信息的自动提取功能。利用CAMEO建模工具设计的需求分析模型构建模型数据集，验证了智能模型信息自动提取功能的有效性。      

利用重要性贡献矩阵确定通信网中最重要节点

针对已有的节点重要性评价方法,基于节点的移除可能导致网络拓扑结构变化的不足,提出了一种利用节点间关联特性的通信网络节点重要性评价方法.该方法定义的节点重要性贡献矩阵(NICM,Node Importance Contribution Matrix)考虑了网络中不同节点间的联接关系对节点重要性的影响,每个节点对其相邻节点重要程度的贡献与该节点的度有关,节点的初始重要性设为该节点的介数.利用该算法对典型网络的节点重要性进行了分析,并且与移除节点的方法进行了对比.实验结果表明,所提出的算法无须考虑网络拓扑结构的变化,结果精确并能正确评价节点对网络资源的控制能力.     

智能移动机器人多传感器信息融合及应用研究

机器人多传感器信息融合是当今科学研究的热点问题。以智能机器人为研究平台,详细介绍机器人的感知系统和运动控制系统,并且阐述多传感器信息融合方法,在此基础上介绍信息融合技术在机器人上的应用。     

航天器集群控制与规划算法仿真验证平台设计

航天器集群作为一种新兴的多航天器协同模式，已经成为分布式空间系统的一个重要研究课题。很多关于航天器集群的关键技术需要在地面进行仿真、分析和验证。针对上述需求，设计了一种仿真验证平台，在地面实现了对航天器智能集群导航、规划与控制算法的全物理分析和验证。首先，给出了仿真验证平台的几种位姿识别方案，重点分析了一种基于单目相机的全局位姿识别技术，提出了一种基于气浮技术的航天器集群控制与规划算法仿真验证平台的总体设计方案，并定义了集群的运动场行为函数，设计了基于滑模控制的路径规划算法。最后，通过仿真验证了本方法的可行性和有效性。     

利用C语言实现循环冗余校验码的方法

给出了一种利用C语言实现循环冗余校验码（CRC）的方法并将其应用到卫星控制系统中.首先介绍了CRC校验码的原理,在此基础上推导了计算多字节数据序列CRC校验码的递推算法,然后给出了算法的C语言实现,最后将其应用到卫星控制系统中.试验数据表明给出的CRC算法实现能够灵敏的检测出数据传输过程中产生的错误.     

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘，并对商品的感兴趣程度进行预测。因此，以此为背景，研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究，提出了通过使用网络表示学习进行评分预测的方法。首先，将关系型数据构建成异构网络，用户和商品为网络中的节点。然后，设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法，并对节点进行表示学习。最后，将学习到的用户、商品表示向量输入到神经网络中进行训练，利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率，对比常用方法，准确率提升6.5%以上。      

太空发电站参数化有限元建模与设计平台

在进行太空发电站的动力学与控制研究时,由于其结构尺寸庞大,单元与节点众多,传统有限元建模方法效率极低,通常只能将其假设为刚体或刚柔耦合系统,但这种近似简化处理必然会导致真实动力学特性的缺失。因此,文章提出一种太空发电站参数化有限元建模方法并建立设计平台,旨在缩短有限元建模周期,提高太空发电站设计、分析与优化的效率。以平台式太空发电站为原型,介绍了其基本参数与有限元模型。定义了易用的有限元节点与单元编号规则并给出了参数设置过程。借助APDL、UIDL,以及TCL/TK的混合编程技术,建立了太空发电站参数化有限元模块及设计平台,利用简单的菜单及人机交互界面实现电站的参数化有限元建模,设计人员从输入参数到开始建模的前处理时间不会超过2min,提高了建模效率。     

自适应短文本关键词生成模型

关键词抽取对文本处理影响较大，其识别的准确度及流畅程度是任务的关键。为有效缓解短文本关键词提取过程中词划分不准确、关键词与文本主题不匹配、多语言混合等难题，提出了一种基于图到序列学习模型的自适应短文本关键词生成模型ADGCN。模型采用图神经网络与注意力机制相结合的方式作为对文本信息特征提取的编码框架，针对词的位置特征和语境特征编码，解决了短文本结构不规律和词之间存在关联复杂信息的问题。同时采用了一种线性解码方案，生成了可解释的关键词。在解决问题的过程中，从某社交平台收集并公布了一个标签数据集，其包括社交平台发文文本和话题标签。实验中，从用户需求角度出发对模型结果的相关性、信息量、连贯性进行评估和分析，所提模型不仅可以生成符合短文本主题的关键词，还可以有效缓解数据扰动对模型的影响。所提模型在公开数据集KP20k上仍表现良好，具有较好的可移植性      

一种基于容腔节点的液压系统建模语言及实现

为实现直观面向系统原理图对液压系统建模,提出了一种基于容腔节点法的液压系统建模语言和一套新的建模语言描述规则,并阐述了利用该建模语言进行程序实现的方法.该建模语言将液压系统的拓扑结构抽象成具有容腔节点和元件节点的图形结构.液压元件模型独立封装,可模块化使用.在建模语言描述规则的基础上,生成容腔节点与元件节点的连接矩阵.所有节点和连接矩阵构成了系统的整体模型.通过典型智能液压泵系统建模过程,验证了该建模描述语言的正确性和有效性.结果表明:该基于容腔节点的液压系统建模语言可方便建立符合液压系统原理的拓扑图,并面向系统原理图自动生成系统模型.      

Retrieval of spinach crop parameters by microwave remote sensing with back propagation artificial neural networks: A comparison of different transfer functions

Back propagation artificial natural network (BPANN) is a well known and widely used machine learning methodology in the field of remote sensing. In this paper an attempt is made to retrieve the spinach crop parameters like biomass, leaf area index, average plant height and soil moisture content by using the X-band scattering coefficients with BPANN at different growth stages of this crop. The maturity age of this crop was found to be 45 days from the date of sowing. After 45 days from the date of sowing, this crop was cut at a certain height for production. Then, it is a point of interest to investigate the microwave response of variation in production. Significant variations in all the crop parameters were observed after cutting the crop and consequently made the problem more critical. Our work confirms the utility of BPANN in handling such a non-linear data set. The BPANN is essentially a network of simple processing nodes arranged into different layers as input, hidden and the output. The input layer propagates components of a particular input vector after weighting these with synaptic weights to each node in the hidden layer. At each node, these weighted input vector components are added. Each hidden layer computes output corresponding to these weighted sum through a non-linear/linear function (e.g. LOGSIG, TANSIG and PURLIN). These functions are known as transfer functions. Thus, each of the hidden layer nodes compute output values, which become inputs to the nodes of the output layer. At nodes of output layer also a weighted sum of outputs of previous layer (hidden layer) are obtained and processed through a transfer function. Thus, the output layer nodes compute the network output for the particular input vector. In this paper, output nodes use linear transfer function. Different transfer functions e.g. TANSIG, LOGSIG and PURELIN were used and the performance of the ANN was optimized by changing the number of neurons in the hidden layers. The present analysis suggests the need of critical analysis of the BPANN in terms of selection of the best transfer function and other network parameters for the better results.     

时间频率设备自动监控系统的设计与实现CSCD

针对时间频率实验室设备实时监控的需求,在Microsoft NET平台上结合C++语言和Microsoft SQL server数据库技术,构建了时间频率设备自动监控系统。该系统可以实时监测设备的运行状态,并远程设置相关参数,在设备运行异常时,系统可自动弹出报警信息。实际应用表明系统具有较好的实用性、可维护性,为时间频率实验室的有序运行提供了保障。     

Hierarchical object oriented classification using very high resolution imagery and LIDAR data over urban areas

Urban land cover information extraction is a hot topic within urban studies. Heterogeneous spectra of high resolution imagery—caused by the inner complexity of urban areas—make it difficult. In this paper a hierarchical object oriented classification method over an urban area is presented. Combining QuickBird imagery and light detection and ranging (LIDAR) data, nine kinds of land cover objects were extracted. The Spectral Shape Index (SSI) method is used to distinguish water and shadow from black body mask, with 100% classification accuracy for water and 95.56% for shadow. Vegetation was extracted by using a Normalized Difference Vegetation Index (NDVI) image at first, and then a more accurate classification result of shrub and grassland is obtained by integrating the height information from LIDAR data. The classification accuracy of shrub was improved from 85.25% to 92.09% and from 82.86% to 97.06% for grassland. More granularity of this classification can be obtained by using this method. High buildings and low buildings can, for example, be distinguished from the original building class. Road class can also be further classified into roads and crossroads. The comparison of the classification accuracy between this method and the traditional pixel-based method indicates that the total accuracy is improved from 69.12% to 89.40%.