基于跨层信道感知的SPMA 协议自适应阈值算法

基于统计优先级的多址接入协议（SPMA, Statistical Priority-based Multiple Access protocol）应用于机     

基于压缩感知的嵌套FDA 雷达距离- 角度联合估计

针对频率分集技术，与非均匀阵列、压缩感知理论相结合，实现目标距离- 角度的联合估计。通过 频率分集技术提高信号空间自由度，将距离参数引入导向矢量矩阵，实现距离- 角度参数的联合。并结合嵌套 阵列，显著提高雷达阵列孔径。该方法针对嵌套阵虚拟阵列流型矩阵的优化过程导致的秩亏缺问题，传统的空 间平滑算法会以牺牲部分阵列孔径为代价将单快拍问题转化为多快拍问题，采用正交匹配追踪算法可以实现单 快拍下的高精度参数估计，避免了空间平滑技术对阵列孔径的影响。并通过压缩感知理论的应用降低信号维度， 减小了计算复杂度。     

基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法

深度Q学习网络(DQN)因具有强大的感知能力和决策能力而成为解决交通信号灯配时问题的有效方法，然而外部环境扰动和内部参数波动等原因导致的参数不确定性问题限制了其在交通信号灯配时系统领域的进一步发展。基于此，提出了一种DQN与扩展卡尔曼滤波(EKF)相结合(DQN-EKF)的交通信号灯配时方法。以估计网络的不确定性参数值作为状态变量，包含不确定性参数的目标网络值作为观测变量，结合过程噪声、包含不确定性参数的估计网络值和系统观测噪声构造EKF系统方程，通过EKF的迭代更新求解，得到DQN模型中的最优真实参数估计值，解决DQN模型中的参数不确定性问题。实验结果表明:DQN-EKF配时方法适用于不同的交通环境，并能够有效提高车辆的通行效率。      

基于滑动截获和信号相关的对流层散射频谱感知

为提高对流层散射频谱感知的性能，提出了适应对流层散射多径衰落信道的频谱感知方案。针对对流层散射频谱感知性能低下的问题，在分集接收的基础上，分析对流层散射信道的时域扩散特性，提出滑动截获的方式截获信号，计算其最佳截获长度。同时，为降低噪声对检测性能的影响，利用信号的相关性，求出各截获窗内信号的相关矩阵，构造统计量，分别推导在Nakagami-m衰落信道模型下不同分集数时的检测概率和检测门限。通过仿真实验分析，验证在不同条件下所提频谱感知算法的性能，与传统算法相比，所提算法在对流层散射信道中适应性更好、性能更强。     

基于自主软件LSWS的典型地形大气CFD模式研究与应用

基于我国典型地形风资源评估、风电场微观选址及风电预测等的发展要求，根据风场实测数据，提出了两种风廓线模型：一种是利用实测数据修正的Gryning风廓线模型，另一种是结合分段函数及理论公式拟合的风廓线模型。考虑大气热效应、地转效应等大气效应，结合改进的雷诺时均k-ε两方程湍流模型，建立了能够模拟不同大气稳定度的典型地形大气CFD模式，开发了自主可控的风场CFD模拟软件LSWS(large scale wind simulation)。以锡林浩特平坦草原地形和山西丘陵地形的风场为例，比较了自主软件LSWS和商业软件Fluent的模拟精度。模拟结果显示：对于锡林浩特平坦草原地形风场，两个软件模拟结果与实测数据总体吻合良好；在稳定大气状态下，LSWS的计算精度较Fluent最大提升6.33%；在模拟山西丘陵地形时，LSWS的计算精度明显高于Fluent，特别是绕山脊的山后流场模拟更加合理，LSWS计算精度较Fluent最多提升40%以上。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法.首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习.其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复...     

基于深度强化学习的复杂地形适应机器人设计与实验

针对行星表面轻量化自主探测任务，基于仿生思想设计了一种仿海胆结构的十二足球形机器人，其具备自主改变构型以贴合复杂地形的能力，可实现无倾覆、高容错的全向运动；基于数据驱动方法，对该机器人设计了一种数据高效的无模型强化学习运动策略，可实现无先验知识的从0到1步态训练以及步态的实物样机快速部署。通过在平面地形和非结构化地形中对其进行仿真实验，验证了经过训练的机器人具备自主运动、适应非结构地形等能力；通过与常用基准策略进行对比，证实了本文提出的运动策略具有训练高效、鲁棒性好的优势；最后通过开发原理样机，开展实物实验验证了仿真环境中所生成的步态在真实物理环境中的动力学可行性。     

基于Bi-LSTM及贝叶斯似然比检验的GEO与LEO卫星组合频谱感知

目前的频谱感知算法以模型驱动为主，其感知性能过于依赖预定的统计模型，这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析，结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识，可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则，在神经网络输出端设计了一种基于阈值的检测方案，可方便地控制恒定的虚警概率。仿真结果表明，所提算法在信噪比为–14 dB的情况下，仍能达到83%的检测性能，且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。     

风能模型的发展及CFD在风资源开发利用中的应用

风能科学的发展一个很重要的方面就是从大气运动到风力发电机尺度流场的不同时空尺度运动的研究。随着计算能力的发展，计算流体力学（computational fluid dynamics, CFD）已经广泛应用于风能开发领域，使得风能模型从应用于较平坦地形的线性模型，发展到应用于复杂地形、耦合天气过程，考虑风力发电机排布、尾流效应的模型链。本文首先介绍了目前风能评估、微观选址、风功率预测模型的发展，之后详细介绍了在这些风能模型中CFD方法的改进，主要集中在中尺度到微尺度的“降尺度”、尾流模拟和复杂地形风场模拟3个方面，最后对风能模型发展过程中CFD所面临的挑战进行了展望。