基于多模型切换的多观测器轨迹优化研究

充分考虑辐射源信号覆盖范围带来的观测约束,提出一种基于动态区间划分的多模型切换轨迹优化算法．该算法根据可探测区域内的观测器构造子区间划分特征向量,在不同的控制层使用相应的切换策略分别设计观测器运动规则、构造性能指标函数．根据设定的目标优化函数,在切换子层综合多种优化算法分别对不同的观测器进行轨迹优化．仿真表明,该方法能够有效解决观测约束下的匀速运动目标轨迹优化问题,具有一定的工程应用价值．     

电动自行车轨迹简化与自适应地图匹配算法

近年来, 随着全球定位系统(global positioning system, GPS)的大范围应用, 越来越多的电动自行车装配了GPS传感器, 由此产生的海量轨迹数据是深入了解用户出行规律、为城市规划者提供科学决策支持等诸多应用的重要基础. 但是, 电动自行车上普遍使用的价格低廉的GPS传感器无法提供高精度的定位, 同时, 电动自行车轨迹地图匹配过程因以下原因更具有挑战性: (1)存在大量停留点; (2)高采样频率导致相邻轨迹点的距离较短; (3)电动自行车可行驶的路段更多, 存在大量无效轨迹. 针对上述问题, 提出一种可自适应路网精度的电动自行车轨迹地图匹配方法KFTS-AMM. 该方法融合基于分段卡尔曼滤波算法的轨迹简化算法(KFTS), 和分段隐马尔可夫模型的地图匹配算法(AMM). 首先, 利用卡尔曼滤波算法可用于最优状态估计的特性, KFTS能够在轨迹简化过程中对轨迹点进行自动修正, 使轨迹曲线变得平滑并减少了异常点对于地图匹配准确率的影响. 同时, 使用基于分段隐马尔可夫模型的地图匹配算法AMM, 避免部分无效轨迹对整条轨迹匹配的影响. 此外, 在轨迹数据的处理过程加入了停留点的识别与合并, 进一步提升匹配准确率. 在郑州市真实电动自行车轨迹数据的实验结果表明, KFTS-AMM在准确率上相对于已有的对比算法有较大的提升, 并可通过使用简化后的轨迹数据显著提升匹配速度.     

一种基于示例轨迹的抽象动作树构造方法

自动构造抽象动作一直是分层强化学习研究中的关键技术之一。抽象动作链接算法是目前连续任务中自主发现抽象动作的典型算法,但是抽象动作链接算法需要进行很多次的迭代计算,收敛速度较慢。本文提出一种基于示例轨迹的抽象动作树构造算法(ACADT),通过使用一种变点侦测方法,ACADT把每一个轨迹分割成一个抽象动作链。这些从轨迹中分割得到的抽象动作链随后被合并成一棵抽象动作树。实验表明ACADT可以构造成一棵抽象动作树并能够更快收敛。      

一种基于速度的移动对象轨迹简化算法

目前对移动对象轨迹简化问题分为离线简化和在线简化。以往的简化方法中许多依赖轨迹的几何特性,而针对移动对象的速度这一重要特征没有足够的关注。本文基于速度研究移动对象轨迹的离线简化新方法,提出了移动对象轨迹离线简化的动态规划算法、基于广度优先搜索的轨迹简化算法及其优化算法、时间复杂度更低的近似算法。并通过大量实验验证本文提出的算法比基于方向的简化算法和基于位置的简化算法具有更好的简化效率。     

基于粒子群优化的时间最优机械臂轨迹规划算法

根据机械臂运动学约束,提出了关节空间基于粒子群优化(PSO)的时间最优3-5-3多项式插值轨迹规划算法,解决了由于多项式插值轨迹规划具有阶次高、没有凸包性质等缺点,难以应用传统优化方法进行优化的问题.粒子群算法结构简单、参数易调整的特点弥补了多项式阶插值的缺点.直接在优化目标空间搜索,巧妙地避免了粒子群计算构造自变量和因变量的映射,降低了搜索维数,简化了计算.在优化过程中,采用两个适应度函数之间切换的开关控制,使各段插值尽快收敛于运动学约束内.通过与传统3-5-3多项式插值的运动位置、速度、加速度曲线对比,证明该方法运行时间更短,稳定性和流畅性更好.     

CPU/FPGA混合架构上的硬件线程加速方法

CPU/FPGA混合架构是可重构计算的普遍结构,为了简化混合架构上FPGA的使用,提出了一种硬件线程方法,并设计了硬件线程的执行机制,以硬件线程的方式使用可重构资源.同时,软硬件线程可以通过共享数据存储方式进行多线程并行执行,将程序中计算密集部分以FPGA上的硬件线程方式执行,而控制密集部分则以CPU上的软件线程方式执行.在Simics仿真软件模拟的混合架构平台上,对DES,MD5SUM和归并排序算法进行软硬件多线程改造后的实验结果表明,平均执行加速比达到了2.30,有效地发挥了CPU/FPGA混合架构的计算性能.     

一种无线异构网络的自适应垂直切换算法

针对移动节点在异构网络间切换性能不理想的问题,提出了一种自适应主动预测的垂直切换算法。采用一种面向当前应用程序的代价函数对可接入网络进行评估与选择;根据稳定周期、移动节点的运动速度及所处位置来自动调整切换执行时间,使移动节点能自适应地进行切换判决。仿真结果表明,该算法可以有效地减少切换延迟、分组丢失及切换次数,提高系统的切换性能,改善业务的QoS。     

非线性时变参数不确定系统的自适应迭代学习控制

利用离散时间轴与迭代轴之间的相似性, 提出了一种新的离散时间自适应迭代学习控制 (AILC) 方法来处理带有时变参数不确定性的非线性系统. 与自适应控制相类似, 所提出的 AILC 是基于投影算法的, 因此学习增益可以沿学习轴迭代地调节. 在随机初始状态和参考轨迹迭代变化的条件下, 所提出的 AILC 仍可沿迭代学习轴渐近地实现有限时间区间上的逐点收敛性.     

蜂窝网中基于位置预测的切换算法

为了满足未来移动网络蜂窝小、切换频繁、支持规模用户和多媒体应用的需求,对位置预测与越区切换进行深入分析,提出了基于位置预测的越区切换方案HDLP(Handover Decision based on Location Prediction),其基本思想是:(1)从移动用户的大量历史移动轨迹数据中挖掘频繁轨迹;(2)根据挖掘出的频繁轨迹集合生成运动规则;(3)将运动规则运用于判决蜂窝移动通信的越区切换中。对所提算法进行仿真的结果表明,与传统的切换方案相比较,本算法减少了不必要的越区切换次数,降低了错误切换率,提高了切换的准确率,进而在一定程度上降低了通信代价,提高了通信系统的容量以及QoS。     

时空轨迹大数据模式挖掘研究进展

时空轨迹挖掘是数据挖掘领域的前沿研究课题,通过研究和开发时空轨迹挖掘技术,来发现隐藏在轨迹大数据中有价值的规律和知识以供决策支持。本文介绍了时空轨迹大数据模式挖掘与知识发现领域的研究进展;然后对时空轨迹模式挖掘技术产生的背景、应用领域和研究现状作了简介,并探讨了面向时空轨迹大数据模式挖掘的研究内容、系统架构以及关键技术,最后对时空轨迹频繁模式、伴随模式、聚集模式和异常模式的挖掘算法思想进行了阐述。     

BIFER: a biphasic trace filter approach to scalable prediction of concurrency errors

Predictive trace analysis (PTA), a static trace analysis technique for concurrent programs, can offer powerful capability support for finding concurrency errors unseen in a previous program execution. Existing PTA techniques always face considerable challenges in scaling to large traces which contain numerous critical events. One main reason is that an analyzed trace includes not only redundant memory accessing events and threads that cannot contribute to discovering any additional errors different from the found candidate ones, but also many residual synchronization events which still affect PTA to check whether these candidate ones are feasible or not even after removing the redundant events. Removing them from the trace can significantly improve the scalability of PTA without affecting the quality of the PTA results. In this paper, we propose a biphasic trace filter approach, BIFER in short, to filter these redundant events and residual events for improving the scalability of PTA to expose general concurrency errors. In addition, we design a model which indicates the lock history and the happens-before history of each thread with two kinds of ways to achieve the efficient filtering. We implement a prototypical tool BIFER for Java programs on the basis of a predictive trace analysis framework. Experiments show that BIFER can improve the scalability of PTA during the process of analyzing all of the traces.     

Feature Based Modelling: A methodology for producing coherent,consistent, dynamically changing models of agents' competencies

Feature Based Modelling uses attribute value machine learning techniques to model an agent's competency. This is achieved by creating a model describing the relationships between the features of the agent's actions and of the contexts in which those actions are performed. This paper describes techniques that have been developed for creating these models and for extracting key information therefrom. An overview is provided of previous studies that have evaluated the application of Feature Based Modelling in a number of educational contexts including piano keyboard playing, the unification of Prolog terms and elementary subtraction. These studies have demonstrated that the approach is applicable to a wide spectrum of domains. Classroom use has demonstrated the low computational overheads of the technique. A new study of the application of the approach to modelling elementary subtraction skills is presented. The approach demonstrates accuracy in excess of 90% when predicting student solutions. It also demonstrates the ability to identify and model student's buggy arithmetic procedures.     

用图像处理技术提取交通车辆移动轨迹

交通仿真的不断发展要求能为其提供现实中的车辆运动过程,从而使得模拟更加逼真,同时交通仿真模型评估也需要用到现实的车辆运动轨迹来比对仿真模型模拟出来的车辆运动轨迹。该文提出了一种用图像处理技术提取交通车辆移动轨迹的方法。该文介绍的这一方法采用了动态目标区域检测的技术来追踪运动车辆,所谓动态目标区域检测就是指被检测区域是动态更新的,是随着被检测对象位置的变化而改变的。这样一种思路有效地提高了系统运行的速度和系统检测的精度。避免了采用全局扫描思路所引起的系统复杂、运算量大以及精度不高的缺点。同时又有别于静态的重点区域检测的思路,使得系统更加灵活,运算更加快捷。通过实验验证,该系统可以快速准确地提取交通车辆的移动轨迹。     

面向对象程序设计语言的绑定时间分析技术

为了实现面向对象语言的部分求值,提出了一种绑定时间分析技术.该技术通过针对引用类型变量和指针变量的上下文敏感分析,能够比较精确地分析面向对象语言中诸如对象元素、数组元素等复杂数据结构元素的绑定时间,进而扩大了部分求值的作用范围.这种方法采用两层BTA环境来保存静态变量和局部变量的BTA状态,设置一种专用句柄来表示不同程序点创建的对象,进而采用这种句柄的集合表示引用类型变量的BTA状态.在为面向对象语言程序标注绑定时间信息的过程中,采用一个正向分析和一个反向分析过程,借助于BTA环境来跟踪和设定各种变量、对象和引用变量的绑定时间.该技术已经用于实现Java程序的绑定时间分析,能够有效地分析大多数单线程的Java程序,为实现高性能Java程序部分求值提供了必要的手段.     

基于星座轨迹图的射频指纹提取方法

无线设备的接入安全是当今无线网络安全的一个严重挑战。基于射频指纹的物理层安全技术是解决无线设备接入安全的一个有效途径。在不同于已有的基于瞬态响应和稳态响应的射频指纹特征提取方法上,本文提出了一种使用星座轨迹图（CTF,Constellation Trace Figure）的射频指纹提取方法。在获得的星座轨迹图上,进一步通过K均值聚类提取射频指纹特征并进行设备身份识别。在理论阐述的基础上,本文通过在实际无线通信系统中提取射频指纹特征并进行无线设备身份识别,验证了提出方法的可靠性与实用性。使用基于星座轨迹图的射频指纹特征提取方法不需要获得设备发送信号的先验信息就可以快速获得无线设备唯一的射频指纹特征,可以被用于物理层安全以及无线接入设备的身份识别及认证。     

基于动静结合的Android恶意代码行为相似性检测

针对同种族恶意软件行为具有相似性的特点进行研究,提出通过静态分析和动态运行程序相结合的方式度量软件行为的相似性。通过反编译和soot代码转换框架获取程序控制流图,利用行为子图匹配算法从静态方面对程序行为相似性进行度量;通过自动化测试框架运行程序,利用文本无关压缩算法将捕获到的trace文件压缩后进行相似性度量。该检测方法综合静态检测执行效率高和动态检测准确率高的优点,实验分析表明,该检测技术能够准确度量程序之间行为的相似性,在准确率上相较于Androidguard有大幅提升。     

面向众包软件开发的错误定位方法

在软件开发中,错误定位是修复软件缺陷的必要前提.为此,研究者们提出了一系列自动化的错误定位方法.这些方法利用了测试用例运行时的覆盖路径和运行结果等信息,大幅减少了定位错误代码的难度.在竞争性众包软件开发中,往往存在多个竞争性实现（解决方案）,提出一种专门面向众包软件工程的错误定位方法.主要思想是,在定位错误语句时,将其多个竞争性实现作为参考程序.针对程序中的各个语句,在参考程序中搜索参考语句,并利用参考语句计算其错误概率.给定一个错误程序和相应的测试用例,首先运行测试用例并使用广泛流行的基于频谱的错误定位方法计算其初始错误概率.然后,根据此语句与其参考语句的相似性调整错误概率.在118个真实的错误程序上进行实验,结果表明所提方法相比基于频谱的方法,定位错误的成本降低了25%以上.     

考虑实时栈信息的静态切片工具

为了提高静态切片精度,本文结合程序抛出异常时产生的堆栈追踪信息进行程序执行轨迹的推测,找出那些确定没有执行的方法或语句,设计并实现考虑实时栈信息的Java程序静态切片工具.实验结果表明,该切片工具进一步减少搜索空间,可以提高普通静态切片方法的精度和效率.