径向基过程神经元网络及其应用研究

提出了一种径向基过程神经元网络,该网络模型为3层前向结构,由输入层、径向基过程神经元隐层和输出层组成.输入层到隐层的变换是非线性的,隐层到输出层的变换是线性的.隐层神经元完成对过程式输入信息的模式匹配和对时间的聚合运算,输出层对输入模式作出响应.在输入空间中引入函数正交基,将输入函数在正交基下展开,利用基函数的正交性,简化聚合运算过程.给出了相应的学习算法,并以旋转机械故障诊断问题为例验证了模型和方法的有效性.      

基于神经网络自适应稳定PID控制方法的研究

经典的基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象.神经网络控制算法的稳定性又受到迭代初值的影响,且算法复杂.为此提出了一种基于RBF神经网络的、结构简单的、稳定的PID直接自适应控制方法.讨论了控制器参数迭代初值选取的基本原则,并给出了在保证系统稳定性前提下参数的迭代算法.仿真研究结果表明,该方法的鲁棒性和跟踪性能均优于经典PID方法.      

基于CIPOA的园区网服务质量控制模型

随着Internet的发展,传送网络的服务质量QoS(Quality of Service)迅速成为解决实时多媒体应用问题的焦点.向不同类型的用户业务提供敏感于不同透明属性和不同等级的服务质量,也正是ATM(Asynchronous Transfer Mode)网络的重要特征之一.利用区分服务的思想,将IP应用业务分类与ATM网络服务类型进行一定程度的对应关系映射,并通过不同的QoS参数协商来完成对不同应用数据的区分服务策略,最终在NS2(Network Simulator II)模拟平台上实现了基于CIPOA(Classical IP over ATM)分类标记协议的园区网服务质量控制模型.      

空中交通管制仿真环境研究

研究可支持训练和多种用途的空中交通管制(ATC)仿真方法,介绍了空中交通管制的仿真内容,通过分析空中交通管制的各要素,建立了仿真环境框架和仿真环境模型.采用分布交互仿真技术和虚拟现实技术,讨论了仿真环境中视景数据库的生成、三维视景实时生成、管制设备仿真、计算机生成飞机、想定生成和任务管理等问题,最后介绍了系统的实现结果.     

采用多重交点判别的传感器网络覆盖控制协议

在保证一定的覆盖质量前提下,延长传感器网络生存时间,提出一种以充分必要条件判断网络节点冗余性的分布式覆盖控制协议.该协议通过多重交点判别法则(MIER,Multi-Intersection Estimation Rule)对无线传感器网络进行分布式节点的动态休眠控制,从理论上证明了MIER法则是判断网络节点冗余性的充分必要条件,能保证目标区域不出现覆盖盲点同时使活跃节点数降至最低.实验表明,MIER法则比CCP法则有了很大改进,消除由于法则本身引起的盲点数目,能更好的运用于覆盖控制协议中,更为准确的判断节点是否应该工作或休眠,是判别节点是否冗余的充分必要条件;同时比Ottawa法则更加高效的减少整个网络功耗,延长网络寿命.     

基于小波神经网络的多传感器自适应融合算法

针对多传感器融合系统的非线性和不确定性,将小波分析与神经网络相结合,提出一种基于小波神经网络的多传感器自适应融合算法.融合系统包括扩展卡尔曼滤波器、小波神经网络、融合知识库以及航迹融合算法.该算法以分布式融合结构为基础,利用环境信息理论和测量方差归一化方法构建小波神经网络,并且通过数值样本训练小波神经网络,使其在融合过程中实时估计各传感器的信任度,再由融合知识库根据各传感器信任度来选择适合的航迹融合算法,最终得到全局状态估计.实验结果表明,提出的融合算法可以根据环境变化在线自适应融合来自多传感器的测量值,对不确定信息具有很好的融合能力.      

基于移动式网络的LEO卫星星座通信网络研究

为飞机等交通工具内的用户提供基于卫星的不间断IP连接，并在卫星星座网络内实现IP路由选择功能，是未来LEO卫星星座通信网络需要解决的关键问题。提出了基于移动式网络技术的LEO卫星星座通信网络体系结构，实现了卫星星座通信网络中的IP路由选择功能，并降低了对地面网路的依赖，实现了对用户段网络随时随地的连接支持。在对卫星星座通信网络中的星地切换模式进行分析的基础上，提出了一种基于虚拟移动路由器的快速星地切换和认证方法。通过NS2仿真试验，给出了新型LEO卫星星座通信网络的传输延迟特性以及快速切换方法的仿真试验结果。仿真试验表明，提出的网络结构是满足未来卫星星座发展需求的，星地间的切换是低时延的。     

高鲁棒性的螺旋桨片条理论非线性修正方法

针对螺旋桨极端状态分析计算的问题,对片条理论（BEMT）方法进行了一定的改进。虽然片条理论在常规工况下能够比较准确地计算拉力和功率,但在考虑严重非线性的部分工况下,如很低或很高前进比状态,传统片条理论存在一定的局限性,无法可靠地计算拉力、功率、环量分布及诱导速度。鉴于此,分析了传统片条理论方程解的不唯一性和诱导速度的奇异性,然后结合涡流理论提出了一种环量迭代修正方法,解决了传统片条理论在极端工况下的计算困难。另一方面,为了兼顾多种叶素非线性效应,应用人工神经网络对叶素的大迎角特性、低雷诺数特性及跨声速特性进行特征提取,并为片条理论提供高效的叶素非线性气动特性预测。通过与计算及试验结果对比,验证了修正片条理论方法针对本文计算模型能够在很低/很高前进比下进行准确计算。在本文算例中,拉力和功率的相对误差在常规工作段可以保持在5%以内,在很低和很高前进比下仍可以保持在10%以内。     

A feedback-retransmission based asynchronous frequency hopping MAC protocol for military aeronautical ad hoc networks

Attacking time-sensitive targets has rigid demands for the timeliness and reliability of information transmission, while typical Media Access Control (MAC) designed for this application works well only in very light-load scenarios; as a consequence, the performances of system throughput and channel utilization are degraded. For this problem, a feedback-retransmission based asynchronous FRequency hopping Media Access (FRMA) control protocol is proposed. Burst communication, asynchronous Frequency Hopping (FH), channel coding, and feedback retransmission are utilized in FRMA. With the mechanism of asynchronous FH, immediate packet transmission and multi-packet reception can be realized, and thus the timeliness is improved. Furthermore, reliability can be achieved via channel coding and feedback retransmission. With theories of queuing theory, Markov model, packets collision model, and discrete Laplace transformation, the formulas of packet success probability, system throughput, average packet end-to-end delay, and delay distribution are obtained. The approximation accuracy of theoretical derivation is verified by experimental results. Within a light-load network, the proposed FRMA has the ability of millisecond delay and 99% reliability as well as outperforms the non-feedback-retransmission based asynchronous frequency hopping media access control protocol.     

NSCT变换域PCNN彩色图像增强算法

为了改善由于光照不均对真彩色图像的影响,根据人类对颜色的感知特性,利用YCbCr彩色模型空间,提出了一种基于非抽样Contourlet变换（ NSCT）的PCNN模型的图像增强算法。首先,将图像从RGB彩色空间转换到YCbCr彩色空间;然后对亮度分量进行NSCT分解,得到低频子带系数和高频方向子带系数,对低频子带,利用PC－NN增强,对高频子带采用非线性变换进行增强;最后,使用NSCT逆变换重构图像的亮度分量,并将图像从YCbCr色彩空间模型还原到RGB空间得到增强后的图像。实验结果表明,算法增强效果明显优于同态滤波、空域PCNN及NSCT域的PCNN算法,不仅增加了彩色图像的明亮度,而且图像保真性好,纹理更清晰。