基于Fratar模型的航班时刻需求战略预测方法

航班时刻是机场运行的基础和核心,准确预测机场的航班时刻需求,对于指导机场基础设施建设、运行模式调整等具有重要意义。在航班计划结构信息分析的基础上,构建了全国航班O-D矩阵,建立了多层级机场起降量预测模型,并以起降量预测结果为输入,利用Fratar交通分布预测模型,预测目标机场时刻需求。以杭州萧山机场为例,以2010年为基年,2014为预测年,验证了方法的准确性和可行性,并预测了2020年航班时刻需求,分析了不同运行模式下机场理论容量与航班时刻需求的匹配状况,分析结果表明,2020年萧山机场需由隔离运行模式过渡到相关进近,方能满足时刻需求。     

微流量测量方法及其技术的发展

归纳了近五年来基于MEMS技术的微流量传感器结构及性能参数。根据国际上热门的研究方法推断微流量测量技术可能的发展方向与研究趋势,即集成两种或两种以上的测量方法,实现优势互补,提高测量精度或扩大量程比。最后基于现有的技术基础,提出了融合科氏效应与差压效应的微流量测量方法,阐述了传感器的工作原理与理论基础,并对其可行性进行了分析与论证。     

基于截尾概率-非概率混合模型的可靠性优化算法

针对工程中截尾概率变量与非概率变量同时存在的情况,给出一种新的截尾概率与非概率混合可靠性模型。在该混合可靠性模型基础上,按照可靠性指标(RIA)法给出双层嵌套可靠性优化模型,并采用改进搜索策略后的ST-Powell优化算法在外层搜索设计变量的最优值,内层采用能保证收敛的改进的有限步长迭代法求解混合可靠性指标。数值算例表明,改进搜索策略后的ST-Powell优化算法的全局寻优性得到显著提升;改进搜索策略后的ST-Powell优化算法与改进的有限步长迭代法相结合求解双层嵌套混合可靠性优化模型的正确性得到验证,且对于非线性程度较高的极限状态函数同样能够得到满足截尾概率与非概率混合可靠性模型指标要求的最优解,并对工程结构算例具有很好的适应性。     

复合导引头目标信息融合抗干扰技术研究

复合导引头由微波制导至红外制导的过程中,受干扰条件的影响,有可能出现错误交班。为了提高导引头应对干扰的能力,设计了一种微波/红外目标信息融合抗干扰方法,该方法利用微波与红外目标信息进行关联度检测,对跟踪微波与红外运动的趋势进行在线实时判断,及时做出干扰误交班判定。在进行了干扰误交班的情况下,MATLAB数字仿真结果表明,该算法能够准确有效地给出干扰误交班判断,从而保证了在干扰环境下对目标跟踪的稳定性。     

正规基上的快速乘逆算法

根据有限域GF(2~m)上的正规基表示,本文提出一种新的快速乘逆算法。该算法把计算乘逆的复杂忭从O(m)降低到O(1/m)。     

语言文字的层次生成切分

本文提出一种通过人工考察字形、词形层次生成过程,确定汉语字形、词形层次切分的方法。该方法应用于汉字字形分析,揭示了汉字字形系统内部的关系。研究结果将有助于发展检索技术,开发情报检索系统、电子辞典以及中文输入系统等。     

航测法提取动态三维深度信息

目前提取三维信息,重建三维图像的研究很多,本文叙述的是仅用一台摄像机利用航测法来提取动态三维信息的方法。假设物体不动,移动摄像机。在移动摄像机前后,即在摄像机移动的相邻两点,可以得到模型的像片对,通过此像片对来实现同名点交会,求得未知点的三维深度信息。为此,首先要进行绝对定向,计算像片元素和确定各个坐标系。然后实现不依赖像片角定向元素的同名点空间交会;或实现利用对应轴系上的坐标进行空间交会。在此基础上,笔者充分利用先验条件和专家知识来确定飞机模型上的同名点,初步得到了飞机模型的轮廓侧视图。     

判别性正则化:一种新颖的分类器学习方法(英文)

提出了一种新颖的正则化方法-判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式.通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小, 而且能在输出空间中同时最大化类间散性与最小化类内紧性.此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解.分类实验验证了DR的优越性.     

组合导航信息融合滤波的研究(英文)

提出一种组合导航信息融合新方法,该方法能提高容错性能,更好地进行故障检测、隔离和重构.同时,当故障发生时,由于融合了系统信息,它能使重构的系统以更高的精度工作.采用这种滤波器设计了捷联惯导系统、GPS、多普勒雷达三传感器信息容错系统.仿真结果表明, 这种设计方法对陀螺、加速度计、GPS、多普勒雷达的软故障是有效的.     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。