基于改进RTK算法的铁路导航精密单点定位优化

铁路导航精密单点定位容易受到周跳数据的影响,导致定位结果在水平和垂直方向出现相对偏移,针对该问题提出了基于改进RTK算法的铁路导航精密单点定位优化方法。根据铁路导航精密单点定位原理,采用改进RTK算法构建定位模型,初步获取定位结果。使用双频载波相位测量法探测周跳,剔除野值点,获取预处理后的单点数据。消除一阶电离层延迟,结合模糊度固定技术采集浮点数,获取不同模糊度下的位置坐标。求解载波相位整周模糊度固定问题,实现单点定位优化。分析实验结果可知,该方法在相对偏移时间为6×103s时,垂直误差最大仅为2 m,水平误差为0,说明该方法的定位结果精准。     

网络RTK参考站数据实时周跳探测与修复

由于测量条件的复杂多变,载波相位观测值中周跳的产生是不可避免的,为了实现网络RTK技术高精度动态定位,必须对参考站数据进行实时的周跳探测与修复。本文充分考虑了连续运行参考站网络的特点,基于双频观测值的无电离层线性组合,并利用三差观测值作为约束条件,提出了一种简易的参考站数据实时周跳探测与修复方法,设计了相应的数据处理流程。实验结果表明,无论长基线还是短基线、短暂失锁或者失锁几分钟的数据,该方法都能正确实现周跳的探测与修复。     

一种基于智能手机相位的多维周跳探测算法

受智能手机内置低成本线性极化天线性能的约束,其原始GNSS载波相位观测值存在极高比例的周跳观测值,这给智能手机的精密定位带来挑战。为有效利用相位观测值,文章在传统TDCP周跳探测算法的基础上,提出一种附加验前、验后约束的智能手机原始相位观测值多维周跳探测方法。实验结果表明,该方法可以有效标记相位观测值的周跳信息,在城市综合路况下智能手机实时PPP解算平面误差RMS在2.5m以内,充分验证该文周跳探测算法的有效性。     

联合多普勒及MW周跳探测和修复方法

导航定位中针对双频码相组合法(MW)无法探测L1和L2载波同一历元发生相同周跳,以及周跳探测后不能实现频率间周跳分离的情况,提出了一种联合多普勒及MW组合法的周跳探测改进方法。利用多普勒积分可对单频点进行周跳检测和修复的特性,将传统MW组合法与多普勒积分法相结合,建立改进模型,从而计算并分离出L1和L2载波相位产生的周跳。用实测数据进行验证和分析,对比了3种不同情况下改进方法的检测效果,实验表明新算法能精确探测和分离出L1和L2载波相位中的周跳组合,可以准确探测周跳发生位置及周跳数值,并且能够探测和修复1周以上的周跳,有效提高了MW组合算法探测与修复周跳的准确性和可靠性。     

WDM光网络多跳业务量疏导算法

针对具有多跳疏导能力的WDM光网络进行了研究,提出了一种基于固定备选路由的多跳业务量疏导算法（FO-HC-MH）。该算法对备选路由的跳数进行限制,因而可以节约使用网络的收发器资源。仿真实验表明,与FO-MH算法相比,在网络负载较低的情况下该算法节约效果明显。     

LAMBDA算法在卫星导航定位中的应用研究

卫星导航定位中,基于载波相位观测值的RTK定位技术能够在达到厘米级的定位精度,其核心技术是整周模糊度的快速解算。采用LAMBDA方法能快速解算整周模糊度完成初始化,实时周跳检测,搜索并固定新的模糊度。利用2个NovAtel接收机采集数据,对采集到的数据进行仿真验证。仿真结果显示,该方法缩短了搜索的时间,定位结果达到了精度要求。     

综合利用电离层残差法和载波相位变化率法探测并修复周跳

针对参考站单站静态双频的特点,提出一种周跳检测与修复的新方法,根据接收机提供的锁定时间信息,综合利用电离层残差和载波相位变化率准确探测并修复周跳。检验证明该方法能够准确可靠地探测并修复失锁 3秒以内的周跳,避免了周跳对载波相位平滑伪距的影响。     

Singer模型在周跳探测中的应用

假设三参数的载波相位多项式,同时利用预报星历数据进行后处理,代估计量假设为Singer模型,采用kalman滤波算法对载波相位进行计算,得到计算与观测载波相位的差值,从而可探测是否发生了周跳。经过仿真实验,表明这种新的周跳检测方法可以很好地检测出周跳,实用性很高。     

GPS载波相位的周跳检测与修复分析

本文首先分析了宽巷载波与窄巷伪距法和电离层残差法检测和修复周跳的原理,结合宽巷载波与窄巷伪距法能够检测和修复较大的周跳,但无法检测同时发生在载波L1、L2上相同数量的周跳,而电离层残差法仅能检测出小周跳的特点,提出了将宽巷载波与窄巷伪距法和电离层残差法相结合的复合检测方法。首先由宽巷载波与窄巷伪距法检测和修复周跳,然后再由电离层残差法进行周跳检测和修复。仿真结果表明该复合方法能够有效地检测和修复GPS载波相位的周跳。     

基于YOLOX的跳频信号检测

现有跳频信号检测算法大多针对固定参数的跳频信号检测,而面对可变参数的跳频信号检测时,其每跳时长及带宽的不确定性导致这些算法的适用性下降。为此,提出了一种基于YOLOX的跳频信号检测算法。该算法适用于固定参数跳频信号和可变参数跳频信号,判断跳频信号的存在性。首先将观测时间内的信号进行短时傅里叶变换获得灰度时频谱图;然后将时频谱图经过目标检测网络YOLOX,获得各个信号的预测框;最后根据跳频信号各跳点的时间连续性,筛选出跳频信号各个跳点,根据连续跳点个数判断跳频信号的存在性。对算法的检测流程进行了仿真,以验证算法的可行性。实验结果表明,该算法可以较好地完成盲检测任务,且能够通过增加较少的先验信息以提高检测性能。     

最优化问题算法重用研究

为提高算法设计的效率以及缩小设计所需的时间,提出了算法重用的思想,即通过解决同一类型问题的算法框架来生成具体算法。并以N皇后问题的回溯算法为实例,介绍了算法设计过程。通过算法重用,文中可在解决这类问题的算法框架下,根据自身选择的实现函数,在框架下填充算法的具体细节,从而避免了算法设计的重复性工作,节省了设计所需的时间,提高了设计效率。     

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。     

量遗传算法及其在无约束优化问题中的应用

量子遗传算法（QGA）是量子计算和遗传算法相结合的产物，将量子的态矢量表示引入到遗传算法中，具有比遗传算法更好的搜索效率和收敛性。本文首先介绍了量子遗传算法的基本原理，讨论了基于量子遗传算法的一系列改进，然后将量子遗传算法应用于无约束优化问题，实例计算表明了算法在该类问题中的有效性和可行性。     

改进的KFCM算法及其在感兴趣区域提取中的应用

基于核函数的FCM算法(KFCM)是一种常用的聚类算法,它需要人为地确定分类数,对噪声比较敏感。针对感兴趣区域提取问题,提出一种改进的KFCM算法,该算法先用k'-means算法估计分类数,再用KFCM算法进行聚类,改进隶属度函数,使新算法的隶属度为其邻域隶属度的平均值,提高了算法的抗噪能力。将新算法应用到感兴趣区域提取中,实验结果表明,新算法不需要人为地确定分类数,并且相比传统的FCM算法和KFCM算法能更有效地抑制噪声。     

基于分形的改进Otsu红外图像分割算法

提出了一种基于分形的改进Otsu红外图像分割算法.针对Otsu算法在目标的相对面积较小时背景信息容易误分问题,以及递归Otsu算法递归终止条件不易确定问题,将分形算法与Otsu算法结合起来,用于分割红外目标.首先计算红外图像的分形维特征,根据分形维特征去除大部分背景信息,然后在潜在目标区域采用Otsu算法进行分割.仿真结果表明,该算法性能优于Otsu算法及递归Otsu算法.     

基于细菌觅食与粒子群的改进混合算法

针对粒子群优化算法（PSO）在优化过程中易陷入局部极值而产生“早熟”现象,文中提出一种基于细菌觅食与粒子群的改进混合算法。粒子群优化算法与细菌觅食优化算法的结合,增强了算法的全局搜索能力,使算法具有全局搜索能力强的优点。选用Matlab进行仿真实验,实验结果进一步显示了改进混合算法的优化能力优于基本PSO算法和基本BFO算法,收敛速度快,且具有较好的鲁棒性。     

基于混沌自适应变异粒子群优化的解相干算法

针对相干信源波达方向估计的需要,结合粒子群优化算法,论文提出了一种基于混沌自适应变异粒子群优化的广义极大似然算法(CAMPSOGML),算法对阵列的几何结构没有任何约束,分辨的信源数可大于阵元数,算法把混沌初始化和自适应变异策略引进粒子群算法中,有效地提高了收敛速度,克服了粒子群算法容易陷入局部最优值的缺点。计算机仿真表明:与基于实数遗传算法和粒子群算法的广义极大似然估计方法相比,CAMPSOGML算法在收敛速度和估计精度上都有优势,是一种新颖的有效的解相干算法。     

基于遗传_蚁群算法的多QoS约束组播路由优化算法

提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。     

模拟退火算法及其在求解TSP中的应用

TSP是组合优化中著名的NP hard问题,模拟退火算法是解决TSP的有效方法之一。介绍和描述模拟退火算法原理和Metropolis算法的过程,并应用模拟退火算法对TSP进行研究,给出解决TSP的一种比较精确的算法,比较好地解决了NP hard问题中TSP,同时为计算机编程提供了编程思路。     

相位恢复技术算法的探究

首先介绍了相位恢复技术中的Gerchberg-Saxton算法和梯度搜索算法。推导了当任意多帧输入图像及它们的离焦量作为输入时,梯度搜索算法的目标函数分别关于广义光瞳、波前以及泽尼克系数的偏导数。揭示了GS算法与梯度搜索算法之间的关系。针对单幅和多幅图像作为输入时分别用GS算法和梯度搜索算法设计了仿真实验,实验结果显示对于单幅图像作为输入时,梯度搜索算法明显优于GS算法。对于多帧不同离焦量的图像作为输入时,GS算法和梯度搜索算法都能很好的解算出波前,但梯度搜索算法的收敛速度明显优于GS算法。