空间同频电子侦察信号的盲分离

空间电子侦察等应用中,经常会遇到如何分离同频信号的问题,传统的时域和频域处理方法很难解决这一难题。文中提出了利用并行FastICA(快速独立分量分析)盲信号分离技术解决这一难题的方法,该方法利用盲信号分离技术不需要知道信号及信道环境先验信息的特性,符合电子侦察的实际情况,具有广泛的适用范围。通过仿真实验证明,文中介绍的并行FastICA盲分离算法,不仅能分离功率相差十万倍以上的频域混叠信号,而且收敛速度快,分离效果良好,在多个领域具有较好的应用前景。     

含函数型自变量回归模型中的变量选择

针对含有函数型和多元向量数据的回归模型中变量选择和参数估计问题进行研究,扩展了函数型数据分析和变量选择方法的应用范围。首先,函数型自变量基于函数型主成分基函数空间进行投影;然后,对投影后的函数型自变量（按组）及多元向量自变量采用惩罚变量选择方法,同时估计相应的系数。惩罚项调节参数采用自适应调节参数,损失函数采用中位绝对损失函数,以此为例,通过引入松弛变量将估计算法转化为求解线性规划问题,算法复杂度低。数值模拟结果表明,所提方法对于含函数型自变量回归模型的变量选择和参数估计均具有良好效果。      

复合材料开孔层压板压缩长期强度预测

Accelerated testing methodology (ATM) predicts long-term strength in low temperature with short-term in high temperature, which is based on the viscoelasticity of matrix and the time-temperature superposition principle (TTSP). The strain invariant failure theory (SIFT) was modified by using micro maximum strain criteria to judge fiber tensile and compressive failure. Master curve of storage modulus of epoxy resin and the time-temperature shift factors were tested from dynamic mechanical analysis(DMA). Master curves of SIFT critical parameters were constructed by tension and compression test for unidirectional carbon fiber reinforced plastics (CFRP) under various temperatures with the time-temperature shift factors of matrix resin. Long-term compression strength of open-hole composite laminates was predicted based on SIFT/ATM combined method. The damage process of fiber and matrix was simulated by progressive damage analysis as well. Good agreement between numerical results and experiments was observed, which demonstrates the applicability of this method.     

基于无关变量分离的EFSM测试数据进化生成

扩展有限状态机（EFSM）相比于有限状态机（FSM）能够更加精确地刻画系统的动态行为,因而广泛作为各种控制流与数据流系统的测试模型。在EFSM模型的测试中,使用搜索的方法获得触发目标测试路径的测试数据是近年来的一个研究热点。为进一步提高搜索效率,在遗传算法（GA）的基础上提出一种自动分离测试路径中无关输入变量的方法,该方法通过分析模型中变量与迁移间的关系,判定不影响子路径中谓词条件的无关输入变量,进而从个体中将其分离以实现搜索空间的自动缩减,提升测试数据生成效率。对几种具有不同复杂度的基准EFSM模型进行实验后的结果表明,该方法生成有效测试数据的成功率均达到98.2%以上,且与未分离输入变量的遗传算法相比,所需平均迭代次数减少44.7%~85.9%,平均运行时间减少24.1%~85.5%。      

基于前向神经网络的与内容无关的笔迹鉴别

与内容无关的笔迹鉴别是属于图象处理和模式识别领域的一项课题，有着广泛的实用前景。本文提出了一种基于前向神经网络的与内容无关的笔迹鉴别的方法。文中讨论了提取笔迹灰度图象特征和用前向神经网络分类器进行两大问题。对笔迹灰度图提取了3大类18个灰度特征，面前向神经网络分类器由一种新的遗传算法同时优化设计其结构和权重矢量。通过对10人、每人6幅笔迹度图象用18个灰度特征进行鉴别,试验结果显示此方法设计的前向神经网络分类器收敛率高，比常用的最近邻分类器有更高的识别正确率。     

多机场开放式非实时网络系统的优化管理

为了很好地解决多机场航班队列的排塞问题，在将进场容量，离场容量与机场容量作为统一整体的情况下，充分考虑了机场间的网络效应，详细研究了多机场航班队列的优化问题，建立了多机场开放式非实时流量管理的数学模型，通过选取适当的决策变量，使其为线性0－1整数规划模型，实现了中心流量集中管理，与其它算法不同，本文提出的启发式隐枚举算法能很好地解决此类问题，对某机场网络系统的仿真结果证明了所建模型，优化算法及相应软件的有效性和可靠性。     

惯导平台支撑结构的多约束结构动态优化设计

本文运用多约束问题的最优化理论并结合结构设计方法,对三维空间中惯导平台支撑结构的优化问题进行了研究。针对惯导平台的高精度、空间约束特性以及对外界环境噪声敏感的特点,将支撑结构的自然频率范围、结构空间位移以及强度特性作为约束条件对结构的截面尺寸和整体支撑结构的重量进行了优化。优化结果表明采用多约束变量优化设计能够有效发挥材料性能,新的设计方案能够改善惯导平台支撑结构的动力特性、减轻重量以及提高系统可靠性,对惯导平台支撑结构的实际设计有较大参考价值。     

基于小波变换和ICA的卫星测控信号盲识别算法

针对信息对抗中对非合作卫星测控信号识别的问题,提出一种小波变换和独立分量分析相结合的卫星测控信号盲识别算法.首先,基于小波变换去除噪声原理,对混合信号进行去噪处理;然后,采用独立分量分析的方法对去噪后的混合信号进行分离;最后进一步对分离后的测控信号作矢量归一和再去噪处理,得到卫星测控信号的最终估计.Matlab仿真结果表明:该识别算法可以较好地分离卫星测控信号,并且很好地保留了源信号的特征,具有良好的稳定性,收敛速度较快.     

航空公司短期航班计划编排模型及算法

航班计划编排的实质是对航空公司各种生产要素的优化配置,其优化程度直接影响航空 公司市场竞争能力。目前,航空公司在编排短期航班计划时过多地考虑了市场竞争,而忽略 了航班延误。文中兼顾市场竞争与航班延误控制,将航班延误控制纳入短期航班计划的编排 过程中。通过分析独立延误与波及延误特点,建立基于延误控制的短期航班计划编排模 型,并采用贪婪随机自适应搜索过程(Greedy randomized adaptive search procedure,GRA SP)算法对模型进行求解。最后,通过实例分析验证了所提方法的有效性。     

基本随机变量的重要性测度及其概率密度演化算法

为进一步完善当前的基本变量的重要性分析,在单一的矩独立的重要性测度指标的基础上,建立了一个新的矩独立的重要性测度指标体系,该体系包括基本变量的总重要性测度、平均总重要性测度、主重要性测度和平均主重要性测度,用以衡量不同要求下基本随机变量对系统或模型输出响应整体不确定性的影响程度.给出了各个重要性测度指标的定义,分析了各个重要性测度指标的工程意义和适用范围.结合概率密度演化方法高效、准确的优点,提出了一种基于概率密度演化方法的重要性测度求解方法.文中算例证明:所提指标体系相比当前指标体系更加全面合理,所提方法能在高精度求得各重要性测度结果的基础上大幅提高计算效率.