大型复杂装备研发成本控制专家系统

根据大型复杂装备研发周期长、耗资大、风险大的特点,引入前馈控制机制,建立了大型复杂装备研发项目成本控制专家系统的体系结构,同时以该体系结构为主体,给出专家系统的知识表示及推理机的一种实现方法,最终使得知识库和推理机得以独立实现.实现后的系统以知识库和专家系统相结合的方式对装备研发成本进行实时监控和预测,对于输入的问题,系统经过推理后给出相应的参考建议,为成本管理智能化提供可行依据.由于知识库和推理机是相对独立实现,因此该系统相对传统专家系统来说具有更好的可维护性和可靠性.     

空基伪卫星组网部署的航路规划算法

针对以临近空间飞艇为平台的空基伪卫星组网问题,提出了一种空基伪卫星从初始位置到目标位置进行组网部署的航路规划算法。首先,通过梳理空基伪卫星组网的性能指标,设计了基于距离和几何精度因子（GDOP）的航路规划代价函数;然后,对航路规划的约束条件进行了分析,在稀疏A*算法的基础上,设计了距离代价和GDOP代价权重可自适应调整的空基伪卫星航路规划算法,并对规划出的航路采用Dubins曲线进行平滑;最后,通过仿真实验,对提出的航路规划算法进行了验证。仿真实验结果表明,航路规划算法在GDOP较恶劣的情况下,能够有效地在后续的航路规划中降低GDOP代价,提高用户定位精度;而在GDOP较为良好时,则可以增加距离代价的权重,在航路规划时使伪卫星尽快向目标位置收敛,减少时间消耗。      

图像压缩感知的自适应方向提升稀疏表示及重构算法

为了克服传统的压缩感知重构中正交小波方向选择性差的局限性,针对图像信号方向性决定了需要在不同纹理区域选择滤波器以使变换后信号能量更加稀疏,提出一种基于自适应方向提升稀疏表示的重构方法。重构时,在每次迭代更新后,根据图像信号的纹理特征选择不同强度方向和信号光滑度的小波基,使得变换后信号能量分布更加集中,并利用小波域阈值处理方法解决信号的重构噪声问题。实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节。     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。     

基于SAS算法的起飞一发失效应急路径规划方法

为解决起飞一发失效应急程序（EOSID）手动设计的不足,提出一种基于SRTM数据的稀疏A*搜索（SAS）算法的EOSID路径规划方法。首先采用航天飞机雷达地形测绘使命（SRTM）的网格地形数据,结合起飞一发失效相关规章,考虑爬升梯度与保护区限制确定可行搜索空间;然后基于可行搜索空间运用稀疏A*搜索算法搜索应急离场路径,在传统A*算法寻找扩展节点时加入起飞性能约束条件,同时利用地形高程数据进行地形和威胁回避,生成一条三维应急离场航迹;最后利用三次样条曲线对规划的应急离场航迹进行平滑处理。实验结果表明该方法能自动搜索出有效的EOSID三维航迹。     

一种基于空间映射的多星成像调度方法

针对NP难解的多星成像过度调度问题,从置换空间到问题空间的映射方法和置换空间 搜索算法两方面进行了研究。基于资源优先卫星分配算法,建立了置换空间到问题空间的映 射关系,以在置换空间优化多星成像调度。提出了一种分散式随机搜索算法,基于有记忆随 机邻域搜索,在置换空间上搜索产生优化调度的置换序列。实验表明,所提算法相对模 拟退火算法平均获得3.12％的改进。     

稀疏频带空间目标雷达成像

对稀疏频带超宽带ISAR成像进行了研究,提出了与实际情况更相符的空间目标稀疏频段成像步骤.以往这类问题主要针对一维稀疏向量,且都直接采用正弦信号模型开始分析.事实上,在ISAR二维信号处理中,不同频带的方位像由于慢时间采样尺度不同而有较大的差异,且由于速度的影响不同频段下的回波信号也无法用统一的正弦信号模型来表示.对这些以往稀疏频段成像研究中常常忽略的重要部分进行了详细的论述,进而给出了等效超宽带成像的方法.     

基于改进联合稀疏电容层析成像算法滑油监测研究

由于电容层析成像(Electrical Capacitance Tomography,ECT)的"软场"特性,使其应用于航空发动机滑油管道监测时难以准确获得被测对象的位置和大小信息.针对图像重建过程中的病态问题,在对称交替乘子法(S-ADMM)算法基础上,提出一种采用L 2,1-范数作为核范数、(L 1-εL 2)范数...     

多层自适应模式识别系统模型

在英国WISARD单层模式识别系统的基础上,借助P.Kanerva的稀疏分布存贮(SDM)的概念,提出了~种新的多层自适应模式识别系统模型(MAPR)。并就其工作过程和主要特点作了较详细的叙述,还列出了多体印刷体汉字识别的初步试验结果。MAPR用稀疏RAN阵列代替WISARD的常规RAM阵列,用对n元模式计频的训练策略代替了原系统的直接置位策略。使系统除了保持原系统的重要优点外,在大维数或非确定性模式数据识别方面,其性能有了明显改善。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。