双层通用自适应模式识别系统

单层n元自适应模式识别系统(WISARD)由于其大规模并行分布处理能力、通用性和自适应性而显示了巨大的应用潜力。但由于其结构的原因,系统性能受到了一定的限制。Kanerva提出的稀疏存贮器结构和WISARD的RAM阵列结构有相似之处。而且这种稀疏分布存贮的原理,可以从结构上解决WISARD的固有缺陷。根据SDM的概念,在WISARD的基础上,本文提出了一种新颖的双层自适应模式识别系统模型。它除了保持WISARD的原有特点之外,在解决大维数或非确定性模式数据的识别问题以及控制系统成本方面有着明显的优势。在该系统上进行的多体印刷汉字识别试验,初步优化了系统各参数的关系,验证了模型的可行性。     

基于改进半阈值算法的电容层析成像滑油监测方法研究

针对航空滑油检测过程中电容层析成像（Electrical Capacitance Tomography,ECT）存在的病态性和欠定性问题,将稀疏正则化中基于L1/2正则化的半阈值迭代算法应用到ECT图像重建,加入L2范数的惩罚项,构造新的泛函模型,并在迭代过程中设计一种新的约束项以优化解向量。仿真实验采用Comsol5.3搭建系统模型,Matlab2014a处理采集数据。实验结果表明,与Landweber迭代算法相比,改进算法成像误差降低37.33%,相关系数提升33.67%;与半阈值迭代算法相比,改进算法成像误差和相关系数分别降低12.31%和提升11.86%,图像误差降低至0.24、相关系数提升至0.92,且成像时间依然保持在0.06s。实际滑油监测的实验系统采用现场可编程门阵列（Field Programmable Gate Array,FPGA）直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号对测量电极进行激励。实验结果表明,基于ECT系统的改进半阈值迭代算法可以满足航空发动机滑油监测的实时性和准确性的要求。     

稀疏信号重构的迭代平滑 l0 范数最小化算法

压缩感知理论 (Compressed Sensing, CS) 是对信号压缩的同时进行感知的新理论,而如何通过有限的测量值重构稀疏信号是压缩感知理论中的核心问题。针对稀疏信号的重构问题,提出了迭代平滑l0 范数最小化算法。该算法首先利用上次迭代得到的稀疏解估计部份支撑集I,然后建立并求解基于支撑集I的平滑l0 范数最小化问题,最后对以上两步迭代少数几次得到稀疏解。数值仿真表明,本文所提出的算法重构信号需要测量值数少于已有的算法,且计算速度较快。     

大型复杂装备研发成本控制专家系统

根据大型复杂装备研发周期长、耗资大、风险大的特点,引入前馈控制机制,建立了大型复杂装备研发项目成本控制专家系统的体系结构,同时以该体系结构为主体,给出专家系统的知识表示及推理机的一种实现方法,最终使得知识库和推理机得以独立实现.实现后的系统以知识库和专家系统相结合的方式对装备研发成本进行实时监控和预测,对于输入的问题,系统经过推理后给出相应的参考建议,为成本管理智能化提供可行依据.由于知识库和推理机是相对独立实现,因此该系统相对传统专家系统来说具有更好的可维护性和可靠性.     

基于协调近似表示空间的航空发动机故障诊断

航空发动机故障诊断的一个主要目标即是求出具有最大分布的故障类型,协调近似表示空间为统一处理不同信息系统提供了工具,并且考虑到航空发动机故障是典型的小样本问题,因此针对航空发动机故障诊断决策信息系统,在求取其基于最大分布的协调近似表示空间的基础上,引入规则融合方法得到所有不同条件下的决策规则,并将其用于历史故障数据的分析,得到了高的识别率,从实践的角度证明了该方法的有效性以及融合所得规则的普适性.      

稀疏频带空间目标雷达成像

对稀疏频带超宽带ISAR成像进行了研究,提出了与实际情况更相符的空间目标稀疏频段成像步骤.以往这类问题主要针对一维稀疏向量,且都直接采用正弦信号模型开始分析.事实上,在ISAR二维信号处理中,不同频带的方位像由于慢时间采样尺度不同而有较大的差异,且由于速度的影响不同频段下的回波信号也无法用统一的正弦信号模型来表示.对这些以往稀疏频段成像研究中常常忽略的重要部分进行了详细的论述,进而给出了等效超宽带成像的方法.     

基于时频稀疏性的跳频信号时频图修正方法

为了获取清晰的时频图,提出了一种基于时频稀疏性的跳频信号时频图修正方法。该方法根据跳频信号时频图的时频稀疏性,建立了修正时频图的最优化求解模型,然后利用匹配搜索的方法进行求解得到修正后清晰的时频图。仿真结果表明本文方法能够在低信噪比下获取精确的时频图,且用修正后的时频图估计跳周期,估计性能明显优于现有方法。     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。     

基于双频GPS观测的简化动力学最小二乘批处理精密定轨

星载双频GPS载波相位和伪距观测量已成为低轨卫星获取精确三维位置和速度信息的主要方式. 本文以非差消电离载波相位和伪距组合作为观测量,应用简化动力学最小二乘批处理方法进行地球低轨卫星的精密定轨,并给出完整定轨流程. 采用逐段常量的经验加速度对动力学模型误差进行补偿,描述了经验加速度敏感矩阵及稀疏带状矩阵求逆的有效计算方法. 利用GRACE-A卫星GPS观测数据对定轨位置精度进行分析,结果显示,三维位置定轨精度优于5cm,经验加速度在径向、切向和法向上的补偿水平不超过40nm·s-2,大气阻力系数和辐射光压系数的估计值符合物理实际,星载接收机钟差大致呈线性并具有短周期小波动.      

基于Transformer的点云几何有损压缩方法

点云被广泛地用于三维物体表达,不过真实世界采集到的点云往往数据庞大,不利于传输与储存,针对点云数据冗余性问题,引入基于注意力机制的Transformer模块,提出一种基于Transformer的端到端多尺度点云几何压缩方法。将点云进行体素化,在编码端利用稀疏卷积提取特征,进行多尺度的逐步下采样,结合Transformer模块加强点空间特征感知与提取;在解码端进行对应的多尺度上采样重建,同样采用Transformer模块对有用特征进行加强与恢复,逐步细化并重建点云。与2种点云标准编码方法对比,所提方法平均获得80%和75%的BD-Rate增益;与基于深度学习的点云压缩方法对比,平均获得16%的BD-Rate增益,在相同码率点有约0.6的PSNR提升。实验结果表明：Transformer在点云压缩领域的可行性与有效性;在主观质量方面,所提方法也有明显的主观效果提升,重建的点云更接近原始点云。