基于并行关系与因果关系的关联规则

目的是建立同时具备并行关系、时序关系和因果关系等三个关系新前提下的数据挖掘的关联规则.本文指出了初始关联规则存在的三个潜在的前提;探讨了同时背离这三个潜在前提建立新的关联规则的可行性;给出了建立两并行关联事件之间因果关联规则的方法;从而获得了在新的背景下的关联规则.在此基础上,本文提供了联系并行关联的因果关系的范例,作为在具有并行、时序和因果等复杂关系数据库中的综合挖掘的一个途径.     

航空电子系统中应用多核处理器的挑战分析

作为嵌入式计算的一种,航空电子系统中的处理器具有强实时性、高确定性、高安全性的特征。因此,同其他嵌入式系统相比,在航空电子系统中应用多核处理器面临更多的挑战。针对多核处理器基本的软硬件架构,对挑战产生的原因进行了简要的分析,指出了在航空电子系统中应用多核处理器需要解决的问题。     

NAPA软件的并行化研究和效率分析

基于区域分裂思想,以M P I(M essage pass ing in terface)为消息传递库,实现了三维全粘性湍流计算软件NAPA的并行化。对NACA 0012翼型、微型飞行器、高超声速进气道等流场进行了计算和分析,比较了并行和串行软件的计算结果,结果完全一致,并对比了NACA 0012翼型流场的计算结果和实验值,表明NAPA软件的改进是成功的。随后对各个算例的并行效率和加速比进行了对比分析,分析了通信比例、负载平衡度以及通信模式等影响并行效率的几个重要因素。最后使用In te l cluster too ls和V tune工具对NAPA程序进行了算法和代码效率优化,发现了原代码中耗时长的几个子程序并进行了改进,通过对高超声速进气道算例的测试,计算效率提高了55.33%。     

极化敏感均匀圆阵中PARAFAC信号检测算法

分析了极化敏感均匀圆阵接收到的信号,该信号具有三线性模型特征。提出了极化敏感均匀圆阵中平行因子信号检测算法。该算法利用三线性交替最小二乘（TALS）算法估计出信源矩阵,然后对其进行判决。仿真结果表明;该算法误码率性能接近于非盲解相关方法;与非盲解相关方法相比,在较高的SNR情况下误码率相差不到2dB;且在阵列扰动情况下仍具有较好的误码率性能。该算法无需空域信息和极化信息,是一种盲鲁棒方法。     

基于分布式并行遗传算法的PID参数整定

针对基于简单遗传算法(SGA)进行PID整定在收敛性及初值敏感度方面的缺陷,提出了基于分布式并行遗传算法(PGA)的PID参数整定方法。该方法可以将不同遗传操作的优点加以整合,通过并行运算提高整定效率,能够更有效地进行参数优化。选用典型被控对象仿真,并分别进行收敛性分析与初值敏感度分析。仿真试验表明与SGA相比PGA提高了局部搜索空间的微调能力,降低了对初值的敏感度,寻优效果也大为改善,从而说明了这种方法的可行性,为PID参数整定方法提供了一种新的尝试。     

基于模糊罚函数的分布式并行遗传算法及其应用

本文将模糊理论用于优化中,提出了一种基于可行度的模糊罚函数法,并采用分布式并行遗传算法进行寻优操作,该方法可以将不同遗传操作的优点加以整合,通过并行运算提高优化效率。将基于模糊罚函数的分布式并行遗传算法应用到多目标结构优化中,仿真试验表明取得了很好的寻优效果。     

L波段全向天线研究与设计

在实际应用中,有时需要全向天线在水平面以上覆盖较广的空域,针对这一需求,文章提出了两种工作在L频段的波束上翘的全向天线。其中一种为使用同轴转平行双线结构进行馈电的串联印刷偶极子天线,且加入反射板保证波束上翘,实测结果表明该天线在工作频段内,电压驻波比(voltage stanting wave ratio,VSWR)小于1.5,水平面增益大于2dBi,俯仰角0°~70°(定义水平方向为0°)增益大于-7dBi,不圆度小于2dB。另一种为双锥天线,使用上下锥体不对称结构保证波束上翘,同时引入固定套环保证天线的稳定性。实测结果表明该天线在工作频段内,VSWR小于2,俯仰角0°~20°增益大于1dBi,俯仰角0°~70°增益大于-7dBi,不圆度小于2.5dB。该天线结构稳定,性能优良,可应用于车载通信或其他通信场景中。     

I型万能角度尺测量准确性的影响因素分析

通过对I型320°万能角度尺各测量面的平面度、直尺和基尺的平行度、直角尺外角的垂直度、零位正确性等影响测量准确性因素的分析,得出在测量中必须保证各项指标均在合格范围内才能得到精确测量结果的结论。     

基于MMSE的近似最优Lattice Reduction辅助线性并行检测算法

现有基于Lattice Reduction (LR)技术的多输入多输出(MIMO)系统检测算法,虽然可以有效地提高MIMO系统的误比特率(BER)性能,但其检测性能与最优的最大似然(ML)算法相比仍然存在差距.针对这一问题,提出了一种新的基于信道分组的线性Lattice Reduction辅助检测算法.该算法首先将信道分为两组,对通过条件最差子信道的信号采用最优的ML算法检测,然后将其从接收到的信号中消除,再采用Lattice Reduction技术对第2组信道进行优化,最终并行地对剩余信号进行检测.仿真结果表明:在16QAM(Quadrature Amplitude Modulation)和64QAM调制下,对于4×4的MIMO系统,该算法的误比特率性能达到了最优;对于6×6的MIMO系统,该算法相比最优的ML算法其检测性能相差不到0.5 dB.     

基于GPU的反卷积算法并行优化

反卷积是图像去模糊的基本算法,针对传统反卷积算法在图像去模糊处理中实时性较弱问题,提出基于众核GPU的Iterative Deconvolve 3d反卷积算法的并行优化实现.所提算法将原算法中的核心运算放在GPU上并行实现,利用CPU和GPU协同工作模式,CPU负责串行任务GPU负责并行任务.实验表明:与传统的算法相比,在不影响图片处理效果的前提下,计算速度比CPU上的实现速度提高了近11倍,并具有良好的可扩展性.