电离层Es对HF和VHF传播信号的影响

Es层是存在于电离层中的电子密度非常高的偶发E层（Sporadic E）,其电子密度可达常规E层的100倍.电离层Es能够反射原本穿透F层的VHF低频段（30~150MHz）无线电波,而且对HF高频段（10~30MHz）无线电波传播具有显著影响.运用垂测和斜测观测数据,研究HF频段Es层电波传播特征,得到了不同类型及不同高度Es层的衰减系数.根据f₀E_s的日变化规律,可得HF频段衰减系数的日变化规律,进而分析并得到Es层对短波传播的影响.不存在电离层Es时,通常无法通过电离层实现VHF超远距离通信.为了对VHF链路通过电离层Es的传播衰减进行定量分析,根据EBU多条链路的观测结果,拟合并建立了电离层Es衰减模型.将该模型、ITU模型和观测数据进行对比,发现本文建立的模型准确度更高.利用建立的模型,对电离层Es不同临频f₀E_s条件下接收信号场强和电压随传播距离的变化进行了计算,结果可为VHF链路设计及建立提供参考.     

一种改进的多点融合非均匀校正技术

针对空间宽幅相机在进行非均匀性校正过程中相机镜头与积分球输出口的相对位置发生变换后非均匀性校正精度下降的原因进行了分析,提出了一种改进的融合多点位置的非均匀校正新方法,即为了消除积分球的角均匀性和面均匀性的不足,采用获取多个位置的大量定标图像,融合求取平均值的方法得到校正系数来削弱这种影响,并进行试验验证分析。结果表明,多点融合的校正方法在积分球输出口光强不均匀、又无法固定相机与积分球相对位置的前提下,减少了积分球光强的不均匀性对系数可靠性的影响,相对辐射定标的非均匀校正精度得到大幅提高。     

城市道路交通流检测数据精度评价

目前各种检测方法采集到的路段速度数据普遍存在一定的误差,其准确性直接影响各种交通分析模型结果的精度.针对浮动车检测器、微波检测器以及线圈检测器的路段速度数据进行研究,利用GPS(Global Positioning System)设备实时记录试验车位置,分别在快速路和主干路进行了12次实验,对不同采集方式获取的速度信息进行了精度验证和评价.实验结果分析表明,浮动车数据获取的城市快速路和主干路的路段行程速度平均误差分别为13.6%和27.8%,且采集值与实际速度具有相同的分布.快速路微波检测器和主干路线圈检测器的速度数据与真实行程速度数据的误差分别为30%和56%.表明了微波检测器的断面速度值,用来表征所处路段的行程速度时虽然具有一定的误差,但是基本能表征路段的行驶状况.该研究结论为不同精度需求的交通模型选择合适的数据源提供支持,并为利用多源数据的冗余信息提高数据精度和完备性提供了理论依据.      

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点,海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈,而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式,无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB,在异构采样数据统一表达数据模型基础上,实现非结构化存储管理,同时,利用两级索引实现海量数据的快速检索。通过实验,在分布式集群实验平台上,采用海量高铁列车运行模拟数据,验证了StoreCDB具有良好的异构数据存储和检索性能,为工业互联网提供了一种新的数据管理方法。      

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。      

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

面向任务的空间信息网络体系结构可重组设计

针对空间信息网络体系结构设计和其使命任务的多重性、多维性的问题,提出了一种体系结构可重组设计方法。首先,介绍了空间信息网络及其体系结构的国内外发展现状,分析了研究空间信息网络体系结构可重组设计的需求。其次,结合空间信息网络的概念、结构和特征,建立了松耦合、兼容性、隔离性和可解构的可重组设计原则。同时,定义了管理中心（RMC）和资源中心（RRC）的内涵,分析了RMC和RRC的运行机制,从目标、拓扑、实体、数据、方案5个维度出发提出了一种形式化的可重组网络体系结构模型,并给出了可重组网络体系结构的实现算法流程。最后,以某反导作战活动为例进行了体系结构可组构设计的案例分析,基于STK平台进行可重组网络的仿真演示,着重展示和验证了可重组设计思想在实践中的具体应用,达到了预期目的。     

空间非合作目标的多视角点云配准算法研究

为了提高相邻视角间稀疏扫描点云数据配准的速度和精度,实现多视角点云精确配准,提出一种基于KD Tree点云均匀采样简化算法,并且对传统四点算法（4 PointsCongruentSetsAlgorithm,4PCS）中的阈值参数进行了统一,确定了各误差阈值参数和点云密度之间的关系,通过基于姿态校正的方法有效解决了对称视角点云引起的误配准问题。仿真结果表明,该方法能够快速、有效地实现卫星稀疏点云的配准。     

修正的概率数据互联算法

阐明了概率数据互联(PDA)算法能很好地解决密集环境下的目标跟踪问题,在该算法基础上,人们又提出了联合概率数据互联(JPDA)算法和一些基于 PDA 的修正算法。在概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数)。然而在许多实际情况中,这个参数是很难获取的。针对这一问题,文中提出了一种修正的概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。