基于模块度的复杂网络社团结构聚类新算法

针对传统的分裂聚类算法删除连边会影响节点划分的问题,结合K-means算法的思想并加以改进,提出了一种以邻居节点为聚类备选集,所有社团中心节点同时聚类的同步聚类算法。该算法根据节点中心度和最短路变化率确定社团中心节点集,然后以中心节点为社团中心,以邻居节点为聚类备选集合进行聚类,完成社团的划分。将算法应用到Zachary网络中并与GN算法、Top Leader算法进行比较,仿真结果表明该算法对网络有较好的划分。     

单天基平台测向的空间非合作目标跟踪

针对仅含角度测量信息的单个天基平台可观测性较弱的问题,提出了一种含脉冲机动检测的空间非合作目标跟踪算法,并设计了非合作目标实时跟踪数据处理流程.该算法利用抗差估计技术和UKF（Unscented Kalman Filter,无迹卡尔曼滤波）算法构造目标跟踪滤波器,并综合残差多项式拟合和新息分布特征等方法实现目标机动检测,在天基平台观测信息类型有限和观测几何较差的情况下,可以同时排除孤立野值和成片测量野值的影响,实现非合作机动目标的连续稳定跟踪.数值实验验证了算法的可行性和有效性,也表明了跟踪精度和可靠性与测量精度密切相关.     

用于雷达方位超分辨的约束迭代Tikhonov正则化算法

针对Tikhonov正则化算法噪声适应能力差和不便于引进额外的约束对解进行限制等缺点,利用迭代Tik-honov正则化算法对雷达方位超分辨进行研究,证明了迭代Tikhonov正则化反卷积公式的收敛性,分析了迭代Tik-honov正则化算法的频域性质,在存在噪声的情况下,提出相应的噪声抑制方法,得到约束迭代Tikhonov正则化算法。针对不同信噪比情况进行了计算机仿真实验,结果表明,与迭代Tikhonov正则化算法相比,约束迭代Tikhonov正则化算法具有较强的噪声适应能力,与常用的约束迭代方法（CID）算法相比,具有较快的收敛速度,初步验证了算法的有效性。     

激光陀螺四位置寻北仪提高精度方法

为消除激光陀螺零偏和常值漂移的影响,采用四位置方案来实现高精度寻北。本文简述了单轴激光陀螺四位置寻北方案,给出了陀螺敏感轴与机体系前向偏差角标定方法,研究了寻北仪在倾斜基座下数据补偿算法。本文研究了由于在四个位置上电机转动不到位所引起的误差补偿算法。通过对寻北仪系统测试,采用电机转动不到位补偿后数据标准差降低了0.02º,激光陀螺寻北仪系统达到了高精度快速寻北的要求。     

粗糙条件熵算法在故障诊断中应用分析

给出了一种基于条件熵的算法,并应用于弹载电子设备故障诊断中。结果表明,诊断结果准确可靠,且弥补了差别矩阵算法和差别函数算法的不足。     

基于区域划分的LEO卫星星座QoS路由算法

针对LEO卫星网络中由于流量分布不均导致的拥塞问题,以及多种通信业务带来的QoS保障问题,提出了基于区域划分的多业务QoS路由算法(MSR-RP).算法考虑了信关站有限分布造成的漏斗流量问题,一方面通过划分动态区域,减少区域节点数量,降低了算法整体计算复杂度;另一方面,在轻负载区域采用最短路径算法计算路由,重负载区域采...     

序言CSCD

北斗全球卫星导航系统的建成、应用奠定了我国自主时空信息服务基础,随之我国进入综合PNT体系发展建设新阶段。综合PNT体系将以北斗系统为核A通过多类PNT技术手段协同与融合应用,实现更为精准、泛在和智能的PNT服务能力。通导一体化作为综合PNT核心手段之一,得益于通信极其广泛的覆盖性及日益增强的信息传输能力,依托通信网络对卫星导航系统进行补充、备份和增强,展现出显著的协同优势,因此也成为了领域研究的热点方向。     

基于PSO算法的半球谐振陀螺惯导系统陀螺温度补偿方法

针对半球谐振陀螺受温度影响出现零位漂移的问题，以测温电路温度为基准，建立温度频率函数实时解算温度，提出一种基于粒子群优化(PSO)算法的半球谐振陀螺惯导系统陀螺温度补偿方法。在求解温度时，需要先将温度频率函数转换为一元三次方程，存在测试计算量大的问题。引入逆向拟合思想，建立频率温度函数，提高陀螺输出温度实时性和降低测试计算量，替代了传统陀螺测温硬件电路，为惯导系统轻小型设计提供新思路。考虑温度变化、温度变化率以及两者的交叉项，建立温度补偿模型，引入PSO算法求解模型系数。温度试验结果表明，在温箱温度为-40~50 ℃内，补偿后的半球谐振陀螺的零偏稳定性较补偿前提升了46％。     

基于红外视频图像的目标跟踪技术探讨?

随着科技的不断进步，相应的目标跟踪技术也得到了快速的发展，尤其是视频目标跟踪，已经成为计算机视觉方面中比较重要的问题，社会各界对此引起了广泛的关注。论文阐述了红外成像的基本概念、视频图像的预处理、模块匹配目标跟踪技术以及算法的融合，为红外视频图像的目标跟踪技术的发展提供理论基础。     

可形变人脸模型研究进展综述

正确理解和跟踪人脸是构建能够在复杂人类环境中自主工作的智能机器系统的首要和关键步骤，可形变模型通过统计学习方法给出对象形状的紧凑数学表示，是达成这一目标的重要手段。从机器学习和计算机视觉领域角度，对人脸图像的可形变模型构建这一研究课题的最新研究进展进行了综述。特别地，对其中涉及的关键问题进行了归纳，并建立了一个抽象的统一贝叶斯可形变模型；在此框架下，对标准的点分布模型PDM模型及其最新研究进展进行了回顾、对一些主要的方法进行了介绍、对这些方法优缺点进行了对比分析。