基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。     

基于频繁序列挖掘的声纹特征提取关键技术研究

声纹识别,是根据声纹特征识别说话人身份的一种生物识别技术。与人脸识别、指纹识别、虹膜识别相比,声纹识别的数据获取更加便捷,不受时间地域的限制,数据采集成本更低,公众对声音采集的抵抗力较弱,已经在安防、刑侦、金融等多个领域被使用。而声纹识别算法的关键是描述特定对象的声纹特征,好的特征既要最大化保留说话人的语音特性,又要对噪音、语速、音量、说话内容等有较好的鲁棒性。针对语音数据较少、文本不相关情况下的声纹识别,本研究采用频繁序列挖掘技术对声音的梅尔倒谱系数(Mel-scale Frequency Cepstral Coefficients,MFCC)组成的序列进行挖掘,将挖掘到的频繁序列作为说话人的语音特征,再使用PLDA判别方法,结果显示该模型对语音数据较少的情况识别效果良好。     

ARIMA-SVR组合模型在卫星遥测参数预测中的应用

为辅助卫星在轨运行提供决策分析支持，结合卫星遥测参数的时间序列特性，利用一种ARIMA-SVR组合预测方法，通过对卫星遥测参数进行预测，判定实际遥测数据是否处于正常范围。该组合模型利用ARIMA模型对预处理后的数据进行线性拟合，并利用SVR模型对数据的非线性部分进行补偿。以KX09卫星星敏A的温度遥测数据为基础，分别利用组合模型对短期及中期星敏A温度进行预测，得出短期和中期均方根误差（RMSE）分别为0.768和0.968，相比单一ARIMA模型，短中期RMSE分别提高46.2%和16.4%。此外，对该卫星陀螺B的x轴角速度进行了短中期预测:短期预测中，组合模型比单一ARIMA模型的RMSE提高71.2%；中期预测中，组合模型比单一ARIMA模型的RMSE提高64.2%。实验结果表明，ARIMA-SVR组合模型为保证卫星在轨正常运行提供了有效的决策分析支持。      

烟草丛顶病毒ORF3的克隆及原核表达

利用RT-PCR方法,自烟草丛顶病毒(Tobacco bush top virus,TBTV)龙陵分离物(TBTV-YLLi)的RNA中扩增出ORF3目的片段,并克隆到pMD18-T载体上进行序列分析.结果表明,TBTV-YLLi的ORF3全长714 bp,与TBTV其他分离物的核苷酸相似性和氨基酸相似性分别为98.3%～98.6%和95.4%～95.8%;与同属的花生丛簇病毒(Groundnut rosette virus,GRV)、豌豆耳突花叶病毒2号(Pea enation mosaic virus-2,PEMV-2)和胡萝卜拟斑驳病毒(Carrot mottle mimic virus,CMoMV)的核苷酸相似性分别为65.1%、61.6%和49.7%,氨基酸相似性分别为36.4%、34.6%和16.5%.将ORF3克隆到原核表达载体pET28a(+)上,获得的重组子pET28-ORF3转化大肠杆菌BL21-plysS,使用终浓度为1.0 mmol/L 的IPTG在37 ℃诱导培养4 h时,该融合蛋白表达量最高.融合蛋白经Ni~(2+)亲和柱层析纯化后,SDS-PAGE 电泳表明,融合蛋白相对分子质量约为35 000,与预计的相对分子质量大小相一致.     

面向无人集群的通信定位一体化方法研究

针对无人集群协同作战通信/定位的集约化设计需求，提出了一种单载波频域均衡（SCFDE）与直接序列扩频（DSSS）技术有机结合的通信定位一体化波形。一方面，利用SCFDE中频域均衡易于克服频率选择性衰落且便于与DSSS结合的优势，使系统具有良好的适应复杂场景的通信能力；另一方面，利用恒包络零自相关导频序列的优良自相关和互相关特性，将其作为导频序列并计算与本地导频符号的循环移位相关，检测相关峰值即可实现整数符号周期信号到达时间估计。同时，结合用于信道估计的导频序列，构建差分延时相关模型，有效解决了小数采样周期信号到达时间估计问题，实现了高精度的信号到达时间估计。