远程导引可行飞行方案寻求算法研究

提出了一种寻求远程导引可行飞行方案的算法，能够满足远程导引对测控、日照、燃料和时间等各方面的要求；重点论述了Lambert一次变轨方案，给出了算法的具体步骤和主要模块的实现方法；最后给出了一个算例，说明算法是切实可行的。     

基于ARMA模型在线辨识器的线性系统建模方法

线性系统的在线辨识是系统辨识领域中最感兴趣的问题之一。本文给出变阶式递推增广的最小二乘法及阶估计准则。在此基础上 ,给出一类ARMA模型在线辨识器。这种辨识器可用于在线或离线辨识。实例表明 ,建模计算量大大减小 ,并具有较高的精度     

基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。     

基于遗传算法提高计算机连续语音识别率的研究

为提高计算机连续语音识别准确率,应用遗传算法人工智能控制技术具有的高效全局启发式搜索特点,探讨了提高计算机连续语音识别准确率的优化方法,通过提取语音特征参数,作为初始语音群体的生成,把语音识别内核程序中语言焦点作为遗传算法中操作算子,以高效全局启发式适配语音类型,连续语音识别准确率提高7％,为实现真正意义上计算机“人一机对话”进行了大胆的尝试。     

根据遗传算法的拉深模试冲缺陷智能诊断

总结了拉深模试冲时的缺陷及原因，建立原因表，应用遗传算法技术对拉深模试冲时的缺陷进行智能诊断，探讨了提高拉深模试冲时的缺陷诊断准确率的优化方法，描述了遗传算法的诊断过程。     

基于比例归一化LMS算法次级通道模型辨识

将主动噪声控制技术应用于地铁通风隧道的噪声控制上,其应用效果在很大程度上取决于信号处理的实时性。在保证控制算法收敛的基础上,要求算法收敛速度尽可能快,以确保对声波变化的准确跟踪,据此产生匹配的振幅相等、相位相反的次级声信号,进而对噪声进行控制。利用比例思想对LMS算法进行改进,为小系数配上小的步长因子,为大系数配上较大的步长因子。最后,将其应用在地铁通风隧道的次级声通道模型的辨识上,并与常用的LMS算法在收敛速度、稳态失调性能上做出比较。数值分析结果表明,采用改进后的LMS算法能够有效地加快算法收敛,改善算法的稳态失调性能。     

天线组阵技术研究及其在我国深空测控通信系统中的应用

研究深空通信系统中天线组阵技术实现方案,并通过数值仿真对几种基本的天线组阵方案和算法的性能进行比较分析。仿真结果表明,采用SUMPLE算法的全频谱合成技术能够获得很好的合成效率,是适合我国深空探测工程测控通信系统设计的有效方案,有望在我国后续的深空探测工程中得到应用。     

直接扩频通信系统中最小误码率准则下的特征相消器

首先研究最小误码率准则下的特征相消器,再由最小化误码率（MBER）准则和约束条件的最小均值输出能量（MMOE）准则之间存在的关系,将MBER准则下特征相消器的设计转化为约束条件的MMOE下的干扰抑制器的设计,并利用子空间跟踪算法实现MMOE准则下的干扰抑制器。仿真表明,采用子空间跟踪算法比同准则下的RLS算法有更低的计算量和更好的抗干扰效果。     

一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.