LDPC码低复杂度译码算法研究

在描述置信传播（BP）译码算法基础上，研究和分析了两种降低复杂度的译码算法。Min-Sum算法主要讨论了简化校验节点的消息更新运算，并应用密度进化方法对此算法进行极限性能分析，求出最佳修正参数α以改进译码性能。强制收敛技术致力于减少BP和MSA算法译码过程中“激活”节点的数目，从而降低译码复杂度。AWGN信道仿真结果表明，两种算法在降低译码复杂度的同时，译码性能没有明显降低。     

基于自适应压缩感知与处理的雷达多目标跟踪

自适应压缩感知与处理方法(Adaptive Compressive Sensing and Processing,ACSP)能够减少计算负荷,但现有的基于自适应压缩感知与处理的雷达目标跟踪方法仅限于单目标的跟踪,针对该问题,提出将自适应压缩感知用于雷达多目标追踪。通过对回波进行稀疏表示,设计改进字典(稀疏变换矩阵)。在测量过程中,采用自适应权重替代随机高斯矩阵,构造和配置感知矩阵,基于压缩感知采样的接收数据来建立测量模型。由于测量与目标状态的非线性关系,采用结合联合概率数据关联方法的似然粒子滤波器对目标状态实时顺序估计,从而克服了多目标跟踪中的数据关联问题。理论仿真实验结果表明,改进的自适应压缩感知与处理方法实现了对多目标跟踪。     

基于TPA方法的整车加速轰鸣问题分析研究

针对某车在3档加速过程中存在的加速轰鸣声问题,利用传递路径分析方法(TPA),进行噪声的试验测量。查明了该车在加速过程中存在加速轰鸣声的路径及原因,提出了更改发动机前悬置及后悬置限位的改进方案,并对改进前后的悬置进行了整车测试。经过对比分析,确定了优化改进方向,解决了某车型存在的加速轰鸣噪声的问题。     

三维图像数据压缩算法与实现研究

三维图像的大数据量对三维可视化的快速交互造成极大的困难，而三维可视化技术已成为生物医学影像、虚拟现实等应用领域研究的重要工具。为了实现三维图像的快速交互，本文提出了一个表面数据压缩算法，并用COM／ATL软件设计技术进行了实现。该算法可以大量减少描述复杂对象的三角形个数，而对象的可视细节并不损失，最终的功能组件可以直接集成到需要图像数据压缩的应用开发中。乳房图像和小兔子图像数据压缩应用例证了所提算法的合理性。     

一种求解旅行商问题的改进蚁群算法

在基本蚁群算法基础上,通过引入信息素的自适应调整策略、限制信息素的范围并动态增加了信息素的局部更新方式．有效地抑制了收敛过程中的停滞现象,提高了算法的搜索能力。TSPLIB的实例求解结果表明了改进算法的有效性。     

电子整机加速贮存试验及寿命评估方法研究

以某典型电子整机为例,通过步进应力试验方法对该电子整机的两批产品进行了四个不同应力量级的高温加速贮存试验。结果表明:高温老化过程中,随着温度应力量级的不断提高,电子整机的性能测试数据未发生明显退化,而是在最高应力量级的某一阶段出现突变失效现象。本文分析了产品加速贮存试验中的故障机理,并根据试验结果推导得到了该电子整机的高温贮存加速因子。     

基于改进蝴蝶优化算法的无人机3-D航迹规划方法

针对基本蝴蝶优化算法（Butterfly optimization algorithm,BOA）在进行无人机（Unmanned aerial vehicle,UAV）三维航迹规划时存在的搜索速度慢、搜索精度低以及易陷入局部最优等问题，提出一种改进的蝴蝶优化算法（Improved butterfly optimization algorithm,IBOA）。在全局搜索阶段提出对数自适应惯性权重策略和动态更新调节策略，提高了算法全局搜索能力和搜索精度。同时，在局部搜索阶段，提出一种动态概率余弦选择策略，增加位置更新多样性，避免陷入局部最优。首先，为检验改进算法与基本算法的寻优性能，在部分标准多元函数上进行仿真对比。对比结果表明，改进算法对复杂函数具有较强的寻优能力，能在更短时间内找到全局最优解。然后，在二维路径规划仿真中对比了改进算法与PSO算法性能，从对比结果看，IBOA具有更优的规划效果。接着，利用山峰模拟函数对UAV三维航迹规划进行建模，将改进算法应用到航迹规划中，利用MATLAB仿真对比了不同复杂度环境下的航迹规划效果。仿真实验表明：相同实验条件下，该优化算法较BOA综合适应度值减...     

SAR原始数据压缩技术研究

研究两种合成孔径雷达(SAR)原始数据压缩算法，它们是块自适应树型矢量量化算法和块自适应预测编码算法。前者是在使用穷尽型搜索技术的块自适应矢量量化算法的基础上，通过使用树型搜索算法来提高算法的运行效率；后者是通过预测编码来消除SAR原始数据之间的相关性从而提高压缩性能。结合机载SAR实测原始数据，对讨论的各种算法分别进行压缩和解压缩，并进行SAR成像处理。通过比较和分析各种算法的性能及图像域参数，表明块自适应树型矢量量化算法和块自适应预测编码算法能提高SAR原始数据的压缩性能，比较适合实际工程应用。     

BP算法各种改进算法的研究及应用

在简述ＢＰ网结构、算法及优缺点的基础上，详细研究了ＢＰ算法的改进方法及措施，即“步长自适应”、“训练集归一化”、“导数提升”、“各层变尺度”、“训练集重组”及“隐含层节点数的确定”。本文以实例在ＢＰ网的训练时间和预报精度两方面，将上述各改进的算法与经典算法做出对比，对比结果表明，合适地选取改进算法将大大加速ＢＰ网的训练时间并有效地提高ＢＰ网的预报精度。     

聚氨酯涂料人工加速老化行为的研究

通过热氧老化、人工加速气候老化、耐水性能测试等方法,对聚氨酯涂膜人工加速老化性能进行了初步研究。并对其老化前后的力学性能进行了分析与讨论,并通过扫描电子显微镜对其表面形貌的变化做出了理论分析。结果表明,涂膜在水中浸泡2周内不会有明显的力学性能下降,并保持良好的表观装饰性;但经长时间(3周以上)水的作用,涂层力学性能会大幅下降,表面也会产生裂纹和起泡。SEM分析表明老化后涂膜表面产生了许多孔穴,随老化时间增加逐渐向涂膜内部发展,孔隙率逐渐增大,最终贯穿整个涂层。     

基于小波变换的数字地图数据压缩技术研究

针对数字地图数据的特点 ,提出了一种基于小波变换的数字地图压缩方法。文中主要研究了小波滤波器的选取、标量量化、自适应算术编码、压缩文件存储格式等问题 ,并就在给定精度要求的前提下如何获得最大压缩比的问题进行了深入研究。文末应用该方法对 5种不同类型的数字地图数据进行了压缩与解压缩测试。结果表明 ,该方法与其他方法相比较 ,能够在相同失真的情况下产生更大的压缩比。     

一种基于语义分析的大数据视频标注方法

提出一种基于Spark计算框架的海量视频语义标注方法。将存储在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的海量视频部署到若干计算节点上,依据分形特征实现镜头快速分割。提取样本关键帧的颜色、纹理和分形特征向量,进行元学习策略训练,进而形成视觉词典。根据视觉词典对检测视频内容进行分析,产生一系列能表征视频内容的视觉单词。根据重要程度,通过马尔科夫链按重要程度对视频的视觉单词进行排序,并将排列结果作为该视频的标注。最后,从检测正确率、平均运行时间和扩展效能方面与传统分布式计算模型进行了对比。     

基于支持向量机和人工免疫的新结合算法

为了减少大规模数据的支持向量机的样本训练时间,提出了人工免疫（aiNet）和支持向量机（SVM）相结合的算法（ai—SVM）。aiNet能在进行样本压缩的同时抽取原始数据的相关信息并保持原始数据的样本分布。压缩后的样本组成了抗体网络,并在此抗体网络上构建了支持向量机模型。最后结合实际数据样本对ai—SVM算法进行了验证。结果表明,ai-SVM算法可大大减小训练样本集和训练代价,且不降低精度。     

多媒介数据库系统NHMDB中的数据字典

ＮＨＭＤＢ是基于扩充关系数据模型的多媒介数据库系统，它以扩充关系为基础支持面向对象的主要特性。数据字典在格式化数据的管理中发挥了重要作用。但在非格式化数据诸如图形、图像、语音等形式的数据管理方面的应用尚未得到很好的研究。本文主要讨论把传统的数据字典技术加以扩充使其支持多媒介数据对象的管理，支持复杂对象的描述，支持抽象数据类型，对象类、超类、子类和继承性的概念。     

光弹性复合材料对径受压圆盘应力分析与材料条纹值测定

本文根据Okubo的各向异性分析,对纤维增强光弹性复合材料制成的对径受压圆盘进行了研究,在此基础上提出了采用一个对径受压圆盘测定光弹性复合材料三个条纹值(f_L、f_T、f_(LT))的方法。经与由三根光弹性复合材料直条试样测定的相应材料条纹值数据比较,发现现在提出的方法更为简便、可靠。     

片上系统测试数据压缩的优化型FDR编码机制(英文)

测试数据压缩是片上系统(System-on-chip,SoC)测试中的关键问题之一,用于有效地减少测试数据总量。本文提出了一种新颖的变长-变长压缩编码,称为AFDR(Advanced frequency-directed run-length)编码。它同时对0游程和1游程进行编码,并对等长游程赋以相同的编码,优化了仅仅考虑0游程的FDR(Frequency-directed run-length)码。此外,对游程长度为2的数据(即00和11)进行特殊处理,进一步地提高了压缩比。ISCAS89标准电路下的实验结果表明,AFDR编码的压缩效果明显优于FDR编码以及同类型的其他编码。     

基于字典学习的混合采样数据分类方法

混合采样数据不仅仅具有不同采样频率数据之间特征集合不同,还有样本数量不一致等特点,传统的分类方法不能直接使用。因此,本文提出一种基于Fisher判别准则字典学习的混合采样数据分类方法以处理采样数据的分类任务。该模型巧妙借助处理多视图数据的分类思想,利用基于Fisher判别准则的字典学习方法,生成的结构化字典的每个原子与数据的类标签相关,同时采用Fisher判别准则使类内散度更小,类间散度更大来约束编码系数矩阵,从而大大提升分类性能。此外,本文针对混合采样数据的样本数量不一致特点,设计了混合采样数据判别分析模型的分类方案。最后实验结果验证了本文方法的有效性。     

基于线性模型最优预测的高光谱图像压缩

高光谱图像取得较高的光谱分辨率对于分类和识别很有益.但与此同时也带来了巨大的数据量,使其压缩成为必需.传统的预测方法能够在一定程度上去除谱带之间的相关性,但其预测系数不能利用高光谱图像谱带间的信息进行自适应的调整,使得预测效果不是最优.本文建立了高光谱图像谱带间的线性模型,推导出在信噪比最优下的预测.该方法能够更好地降低预测后图像的熵值.实验表明,相对于传统方法重建的平均信噪比提高了4.606 4 dB.