一种基于非圆相干信号的波束成形算法

空间平滑是一种传统去相干算法,此算法是基于圆信号提出的,同时存在孔径损耗问题。针对非圆相干信号,提出了一种全阵加权扩展空间平滑波束成形算法。首先将扩展空间平滑的子阵分解思想引入波束成形算法中,从理论上证明了算法的去相干特性,并通过分析证明了算法比传统空间平滑算法在可适用信源数上的提高。为了更好地去除期望信号与干扰间的相干性,利用虚拟波束得到权值对子阵进行加权。最后设计了一种转换矩阵,可将子阵波束权矢量扩展至全阵波束权矢量,从而避免了扩展空间平滑带来的孔径损耗问题。仿真结果表明了算法的可行性及优越性。     

改进高斯混合粒子滤波的纯方位目标跟踪算法

针对纯方位跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。该算法基于Sigma点卡尔曼滤波(SPKF)和粒子滤波的特点,用有限的高斯混合模型来近似后验状态密度、系统噪声和观测噪声的分布。利用贪心EM算法实现模型的降阶,一定程度上克服了EM算法假定混合成分数为已知、迭代的结果需要依赖初始值、可能收敛到局部最大点和可能收敛到参数空间的边界的缺点,从而改善粒子枯竭的问题。仿真实验结果表明在纯方位跟踪领域,与传统粒子滤波(PF)和基于EM的高斯混合粒子滤波相比,该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

SpaceWire星载网络通信协议设计

SpaceWire是ESA和NASA推荐的新一代星载数据总线标准,其应用方向之一是构建统一总线星载网络。星载网络是典型的实时系统,它对网络信息的传输时延具有严格要求。然而,传统SpaceWire网络多源、异步、事件触发的特性使它难以提供确定的信息传输时延,这制约了它在统一总线星载网络中的应用。本文为克服SpaceWire的上述应用瓶颈,提出一种基于时间触发的SpaceWire星载网络通信协议,并提出相应的节点通信调度算法,通过合理的规划使节点在确定的时间窗口发送通信数据,从而避免了网络资源冲突,使信息传输时延的确定性得到保证。     

一种GEO/LEO双层卫星网络路由算法及仿真研究

时间虚拟化策略的时间片过短将影响路由性能,提出一种基于GEO/LEO双层卫星网络的时间虚拟化和分层管理的路由算法（VLRA）,对时间虚拟化策略进行合理改进,通过新的分层管理思想,在每个时间片开始进行路由计算和更新。分析和仿真验证表明,改进的时间虚拟化策略得到的时间片更合理,利于网络的路由和通信。GEO/LEO双层卫星网络下VLRA算法时延稳定,并具有较好的丢包率和吞吐量性能。     

界面捕捉中耦合Level-set与VOF算法

针对传统的level-set方法在处理界面问题时守恒性差的缺点,提出了一种耦合level-set方法和VOF方法的算法(CLSVOF)。不仅保持了level-set界面光滑性好的特点,还结合了VOF高守恒性的优点。Level-set方程的求解采用五阶WENO格式,而VOF的体积分数输运方程采用Gueyffier的界面重构方法求解。三维数值计算结果表明这种耦合算法对level-set的守恒性有明显的改善。     

无人机绳钩回收系统参数设计

以某型无人机回收方案设计研究为背景,分析影响无人机绳钩回收系统回收性能的参数,对无人机绳钩回收系统建立多目标优化模型。运用多目标遗传算法进行优化设计获得优化结果。多目标优化用于无人机绳钩回收系统参数优化,可以更加合理地评价回收系统参数最佳组合,提高设计效率。结果表明,通过改善绳钩回收系统参数,回收性能得到优化,无人机拦停时间减少,在实际回收中有一定参考价值。     

基于方波信号的半全局极值搜索算法

针对半全局极值搜索算法,采用正弦信号作为激励信号时,幅值自适应律初始值选取严格、输出存在颤振的问题,提出了采用方波信号作为激励信号。利用平均化方法证明了激励信号选取较小的初始值即可使目标函数收敛到全局极值,同时减弱了输出颤振;采用正弦和方波信号作为激励信号进行仿真对比,说明方波信号可以提高算法的半全局收敛性,有效减弱输出颤振。     

一种优先级区分的机载无线网络MAC层自适应退避算法

针对现有无线网络媒介接入控制(MAC)协议退避机制存在的竞争窗口(CW)易产生振荡、不能为紧急业务提供低时延QoS保障、难以区分服务类别等不足,提出了一种区分业务优先级的自适应退避(PAB)算法。该算法在二进制指数退避(BEB)算法的基础上,根据信道忙闲标识和业务优先级自适应选择相应退避阶段,通过参数设置可对不同优先级业务相邻退避阶段的前、后转移概率进行调整。利用二维马尔可夫链理论对PAB进行了建模分析,理论分析获得了饱和吞吐量和平均MAC时延的数学表达式,仿真实验结果表明:在机载无线网络(AN)环境下,PAB的性能相对BEB有了显著提升,可有效保障机载无线网络多业务类型的传输需求。     

基于信息理论的网络文本组合聚类

尽管近年来针对文本聚类问题进行了大量研究,其仍然是数据挖掘领域的一个富有挑战性的问题,特别在弱相关特征乃至噪声特征的处理上,仍然存在诸多挑战。针对这一问题提出了文本聚类的分解-组合算法框架——DIAS。该方法首先通过简单随机特征抽样将高维文本数据进行分解得到多样化的结构知识,其优点是能够较好地避免产生大量的噪声特征。然后采用基于信息理论的一致性聚类（ICC）将多视角基础聚类知识组合起来,得到高质量的一致性划分。最后通过在8个真实文本数据集上的实验,证明DIAS算法相较于其他被广泛使用的算法具有明显优势,特别在处理弱基础聚类上具有突出效果。由于在分布式计算上的天然优势,DIAS有望成为大规模文本聚类的主流算法。      

增强RRAM可靠性的热通量压缩算法

为提高阻变存储器(RRAM)的可靠性,研究了RRAM中的热串扰问题,提出了一种热通量压缩(TFC)算法,通过在RRAM读写电路之前加入TFC算法,降低在RRAM中产生的焦耳热,从而减弱RRAM中的热串扰问题,提高RRAM的可靠性。TFC算法通过分析计算写入数据流产生的真实焦耳热热量进而判断是否对写入数据流进行翻转编码,即TFC算法会在原始写入数据流和翻转编码数据流二者中选择热通量较小者通过算法层,从而达到减小RRAM存储器中焦耳热热量的目的。理论分析和仿真结果表明:以字节为单位数据块条件下TFC算法平均可降低30%以上的写入焦耳热,阻变单元的保持时间估值平均增加了35%以上。