基于遗传算法的SOFDM信道资源动态分配策略

对卫星正交频分复用(Satellite Orthogonal Frequency Division Multiplexing,SOFDM)传输体制进行信道资源分配时,采用传统定界分类法存在效率较低,功率资源浪费较大等问题。文中提出一种改进的信道资源动态分配新策略,引入生物遗传算法,对信道传输特性进行适应性评估,按照"优胜劣汰,适者生存"的进化原则对信道子载波频率和功率资源进行有效分配。仿真分析结果表明,新策略获得了优于传统定界分类法的效果,在算法运行时间与传统方法基本相当的情况下,采用生物遗传算法的SOFDM系统能够更加合理地分配系统频率资源,使系统功率资源产生约1dB的增益,并有效降低系统误包率。     

一种基于子空间的OFDM系统半盲信道估计

提出了一种可用于色噪声背景的基于子空间的改进半盲信道估计算法。根据正交频分复用（OFDM）系统模型,利用所获色噪声背景的噪声向量与信道冲激响应矩阵的正交性估计信道冲激响应,给出了算法的步骤。仿真结果表明：算法有较好的收敛性和稳定性。     

一种步长为对角阵的正交数据投影算法

针对传统子空间跟踪算法正交性和稳定性差的问题,基于数据投影算法(DPM),提出了一种步长为对角阵的正交DPM算法。算法运算复杂度较低,能提供标准正交的子空间,运行时无累积性误差;采用"自适应"而非固定搜索步长,能更好地匹配子空间的动态收敛速度,可进一步提高收敛速率并具有更佳的跟踪性能。仿真结果证明了新算法的有效性和正确性。     

首届中国航天质量奖颁奖大会开幕词

在两个集团公司的共同关心和支持下,经过一年多的辛勤努力,首届中国航天质量奖在今天诞生了。在此我代表航天质协,首先对获奖的单位表示热烈的祝贺!对给予关心和支持的各级领导、付出智慧和汗水的专家与工作人员,表示衷心的感谢!设立中国航天质量奖,是在航天质协第六届一次理事会上提出的,并由两个集团公司共     

基于多模态掩码Transformer网络的社会事件分类

多模态社会事件分类的关键是充分且准确地利用图像和文字2种模态的特征。然而,现有的大多数方法存在以下局限性：简单地将事件的图像特征和文本特征连接起来,不同模态之间存在不相关的上下文信息导致相互干扰。因此,仅仅考虑多模态数据模态间的关系是不够的,还要考虑模态之间不相关的上下文信息（即区域或单词）。为克服这些局限性,提出一种新颖的基于多模态掩码Transformer网络（MMTN）模型的社会事件分类方法。通过图-文编码网络来学习文本和图像的更好的表示。将获得的图像和文本表示输入多模态掩码Transformer网络来融合多模态信息,并通过计算多模态信息之间的相似性,对多模态信息的模态间的关系进行建模,掩盖模态之间的不相关上下文。在2个基准数据集上的大量实验表明：所提模型达到了最先进的性能。     

联合方面注意力交互的图文方面类情感识别

随着多媒体的快速发展,单纯采用文本的方面类情感分析,不能准确识别用户所表达的情感。而现有图文数据的方面类情感分析方法仅考虑图文模态间的交互,忽略图文数据的不一致性和相关性。因此,提出联合方面注意力交互网络(JAAIN)模型的图文方面类情感识别方法。所提方法针对图文数据的不一致性与相关性,通过多层次融合方面信息和图文信息,去除与给定方面无关的文本和图像,增强给定方面的图文模态数据的情感表示,将文本数据情感表示、图像数据情感表示及方面类情感表示进行拼接融合与全连接,实现图文方面类情感判别。在数据集MultiZOL上进行实验,实验结果表明：所提模型能够提升图文方面类情感判别的性能。     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

遥测伪周期时间序列子序列异常检测算法

针对现有异常检测算法用于伪周期时间序列异常序列检测时易造成误差累积,导致序列周期与特征值上显著差异的不足,文章以卫星遥测伪周期时序数据为对象,综合两种常规分段方法的优势,提出了最大周期窗宽内基于极值的模式子序列分段算法。在此基础上,给出了一种基于均序列动态生成模型的子序列异常检测方法（AnomalySubsequenceDetectionmethodbasedonOptimizedSequenceModel,ASD_OSM）,并采用2次四分位距准则（DoubleQuantilerangescriterion,2Q准则）设置距离检测门限阈值,将超出阈值的序列判定为异常序列。某航天器传感器遥测子序列异常检测试验结果表明,提出的检测方法能够有效减少漏判,提高卫星遥测伪周期数据异常序列检测的准确性。     

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。      

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。