一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

航空港安全管理系统

航空港好比一座微型城市,安全保障必须作为一个整体来考虑。美国联邦政府在“9.11”事件之后,加强了航空港的安全保护,布什总统签署法令修补国家航空保安系统,美国运输国务卿Norman Mineta特别指出:加强机场工作人员进入保安区的身份验证,工作人员进入管制区域的证件,需要采用某些生物测量技术的辨识,例如语音分析、指纹或虹膜认读。加强对机场特种车辆和服务人员的管理,包括对加油人员、配餐人员、装卸人员、清洁工等服务人员建立检查标准,加强管理和监督,需要登机的人员的证件由政府颁发。法国航空公司在巴黎戴高乐机场试用一种被称为“…     

关于LTN—72R惯性导航系统定位的几个问题

LTN-72R 惯性导航系统是一个高可靠性、全天候、全球惯导系统。它可单套惯导系统工作,也可作三重位置混合系统工作。惯性即时位置可以使用无线电测距和全向信标导航装置自动更新。本文介绍单套惯导系统、三重位置混合、自动无线电位置更新的基本原理和方法。     

基于STM32的视频流图像更新方法的研究

对基于STM32系统低速(工作主频72MHz)视频流处理显示更新方案的研究。结合图像处理基本理论,分析传统的显示方法的不足,并提出一种新的视频流图像更新的方法,通过一定的实验数据和理论结果,验证该方法可行性。     

基于改进WKNN的位置指纹室内定位算法

位置指纹算法是目前解决室内定位问题的主要方法,指纹特征和匹配算法为影响算法精度的两大因素.针对室内复杂环境下Wi-Fi信号强度波动较大的现象,提出了基于方差的加权距离以改进WKNN算法.在离线特征提取阶段,选择了均值和方差两个特征值,既反映该采样点的RSS幅值,也反映该点RSS的波动情况;在线阶段,根据方差提出了加权距离进行相似度的计算,查找距离最近的K近邻点,并以实际环境下采集的数据验证了改进WKNN算法在RSS波动大的情况下对定位效果的改善,在综合考虑了AP组合的影响后,实现了误差均值为1.456m的定位效果.     

捷联惯性制导系统的圆锥误差及其补偿

圆锥误差是捷联惯导系统,特别是激光陀螺捷联惯导系统重要的误差源,为提高激光捷联惯性系统的导航精度,防止姿态误差的积累,本文研究了圆锥补偿算法和圆锥补偿误差特性,给出了常用的8种圆锥补偿算法,针对激光陀螺惯组的实际应用背景,开展了弹道仿真研究,给出了圆锥误差对激光陀螺捷联惯导系统导航精度的影响和补偿修正的效果。     

基于射频指纹的测控地面站身份识别方法

卫星测控信道具有开放性特点,第三方容易截获测控信号,并通过特定信号分析手段获得通信编码体制甚至密钥,严重危害测控安全.为增强卫星的测控安全性,提出了一种基于射频指纹的测控地面站身份识别方法,即提取测控信号的射频指纹来验证测控指令是否来自于合法用户.使用卷积神经网络从21台发射机的变功率信号中识别特定发射机,识别精度高达...     

基于贝叶斯更新的飞机结构腐蚀可靠度模型

民用飞机结构腐蚀发展的时变性和样本采集的局限性,给腐蚀检测数据分布函数的确定及参数的估计带来了很大的不确定性。针对这一问题,给出了基于贝叶斯公式的合理分布函数选取及参数估计方法。为满足在役飞机结构可靠性动态管理的需求,基于贝叶斯更新思路,将反映结构性能退化共性规律的预测模型视为先验模型,沿着具体结构生命周期不断挖掘利用新信息,建立具体飞机结构腐蚀失效概率和可靠度的动态预测模型。算例采用某型民用飞机地板梁结构腐蚀的无损检测数据,结果显示：腐蚀深度的合理分布为双参数威布尔分布,基于贝叶斯更新后的腐蚀失效概率计算得到的结构可靠度与未更新的显著不同。表明更新后的可靠度因为既考虑了模型参数的历史先验信息,又利用了当前数据实时更新了预测模型,从而有效地降低了有限样本带来的不确定性,使得预测值稳健且具有时变性,更符合工程实际。     

Adaptive Gaussian sum squared-root cubature Kalman filter with split-merge scheme for state estimation

The paper deals with state estimation problem of nonlinear non-Gaussian discrete dynamic systems for improvement of accuracy and consistency. An efficient new algorithm called the adaptive Gaussian-sum square-root cubature Kalman filter（AGSSCKF） with a split-merge scheme is proposed. It is developed based on the squared-root extension of newly introduced cubature Kalman filter（SCKF） and is built within a Gaussian-sum framework. Based on the condition that the probability density functions of process noises and initial state are denoted by a Gaussian sum using optimization method, a bank of SCKF are used as the sub-filters to estimate state of system with the corresponding weights respectively, which is adaptively updated. The new algorithm consists of an adaptive splitting and merging procedure according to a proposed split-decision model based on the nonlinearity degree of measurement. The results of two simulation scenarios（one-dimensional state estimation and bearings-only tracking） show that the proposed filter demonstrates comparable performance to the particle filter with significantly reduced computational cost.