无线MIMO系统的上行资源分配算法研究

在存在同信道干扰的无线MIMO系统中,为具有多种QoS需求的调度业务分配资源是一个具有挑战性的问题.提出一种实用的、基于SDMA的贪婪资源分配(SGRA)算法.在高效的干扰管理基础上,SGRA算法可以执行两阶段启发式计算和搜索.在第1阶段,包括上行调度和子信道分配的贪婪资源分配首先在时域频域二维进行;在第2阶段,资源分配被扩展到时域频域空域三维进行.SGRA的算法复杂度低,适用于实际无线通信系统.仿真结果表明,与同类算法相比,SGRA算法可以提高系统吞吐量,更好地保证实时业务的时延和最小数据速率需求,同时兼顾系统公平性.     

基于视频三音子的双模态语料自动选取算法

为实现可视语音合成,建立符合条件的双模态语料库,提出双模态语料自动选取算法。根据视频中唇部发音特征,对已有的三音子模型归类,形成视频三音子,在其基础上从原始语料中自动选取语料,利用评估函数对原始语料中的句子打分。与其他双模态语料库相比,该语料库在覆盖率等指标上有较大改进,为实现具有真实感的可视语音合成奠定基础。     

输入饱和及带宽限制下高超飞行器的闭环稳定边界研究

针对于吸气式高超声速飞行器开环不稳定的动力学特性,研究了控制信号存在饱和约束及带宽限制条件下的闭环稳定边界.首先,简要介绍了吸气式高超声速飞行器的建模方法与动力学特性的主要问题.考虑到飞行器控制信号的幅值限制及带宽约束,综合高超声速飞行器的开环不稳定特性,定量地分析了系统的闭环稳定边界:与系统不稳定极点的位置,其对应的左特征向量及控制信号的幅值约束有关;执行器的带宽限制在此基础上进一步缩小了反馈控制系统的稳定边界.根据高超声速飞行器短周期不稳定特性,解析地给出了闭环稳定边界的计算公式.采用蒙特卡洛分析方法对闭环系统的稳定边界及滑模变结构控制器作用下的稳定区域进行验证.仿真结果与理论分析具有一致性,验证了系统开环特性对于闭环稳定性的限制及控制信号带宽约束对稳定性的影响.     

轨迹跟踪级联机器人编队控制方法

提出一种轨迹跟踪级联机器人编队控制方法. 该方法有效结合距离-角度(??-??) 控制和距离-距离(??-??) 控制方案, 并利用无迹卡尔曼滤波算法对Leader-Follower 级联机器人系统的状态进行估计; 根据状态估计结果设计输入-输出动态反馈控制规律, 使得跟随机器人(Follower) 准确跟踪领航机器人(Leader), 确保编队的稳定性和较快的收敛性, 并达到理想的编队控制效果. 仿真实验验证了所提出方法的可行性.

     

动态小生境半径两阶段多模态差分进化算法

针对多模态优化问题, 提出一种动态小生境半径两阶段多模态差分进化算法. 基于构象空间退火思想, 设计一种两阶段退火策略来动态调整小生境半径, 并根据退火过程将整个优化过程分为两个阶段. 在第1 阶段, 通过差分限制变异策略生成高质量的新个体来维持种群的多样性, 促进多模收敛; 在第2 阶段, 利用种子邻近变异策略对已探测到的生境高度搜索, 加快算法的收敛速度. 实验结果表明, 所提出算法能够有效实现从全局探测到局部增强的自适应平滑过渡, 是一种有效的多模态优化算法.

     

考虑输入饱和的离散最优积分滑模控制

针对含有匹配有界干扰的线性离散系统, 提出一类最优积分滑模控制算法. 在系统开环极点位于单位圆内(上) 的前提下, 考虑输入饱和, 可以实现系统状态的半全局稳定. 该算法是低增益反馈和积分滑模的有益结合, 通过低增益反馈使输入饱和得到满足, 通过滑模控制增强了系统对干扰的鲁棒性; 另外, 该算法可以使特定的性能指标达到最优, 使系统稳态误差达到??(??²) 的量级. 仿真结果验证了所提出算法的有效性.

     

基于GHZ态的无酉操作多方量子秘密共享方案

为了简化多方量子秘密共享协议,利用Greenberger-Horne-Zeilinger（GHZ）态和互补基特性,提出了一种简单高效的多方量子秘密共享方案。该方案无需进行任何酉操作,发送方和多个接收方之间只需一次量子通信,并使用互补基进行测量即可完成信道安全检测和秘密共享。除去少量用于检测量子信道安全的粒子,其余每个GHZ态粒子共享一个比特的经典信息。安全性分析表明该方案是安全可靠的。     

两个基于四粒子纠缠态的量子秘密共享方案

本文分别基于四粒子Cluster态和一个非对称的四粒子纠缠态,提出两个量子秘密共享的方案,其中共享的秘密是未知的单粒子态。秘密的发送者需要对手中的粒子进行Bell基测量,协助者需要对手中的粒子进行测量或者实施幺正操作,最后接收者通过对手中的粒子进行相应的幺正变换或者受控非门操作,就可以重构原始秘密。通过分析表明,任何一个代理者在其他两方协助下是可以恢复秘密的,所以我所提出的方案是高效且安全可靠的。     

基于自适应动态规划的矿渣微粉生产过程跟踪控制

矿渣微粉是一种新型绿色环保型建材,可以大大提高水泥混凝土的力学性能.本文以矿渣微粉生产过程为研究对象,针对该过程难以通过机理建模进行辨识和控制的特点,利用数据驱动的思想,建立矿渣微粉生产过程的递归神经网络模型.在此基础上,利用自适应动态规划,设计具有控制约束的跟踪控制器,并将其应用到矿渣微粉生产过程中.仿真分析表明,建立的数据驱动模型能够有效地辨识矿渣微粉生产过程,同时,本文提出的控制方法能够实现输入受限的微粉比表面积及磨内压差的最优跟踪控制.     

输入非均匀采样广义输出误差模型的递推贝叶斯参数辨识算法

针对传统最小二乘算法在辨识过程中没有考虑噪声的协方差和参数的先验概率密度的问题,提出一种递推贝叶斯算法。该算法以最大化参数的后验概率密度函数为准则进行参数估计。实验结果证明所提算法可以获得更高精度的参数估计值。收敛性分析表明,该算法给出的参数估计值收敛于参数真值。该算法综合考虑了噪声方差、数据的先验概率分布和参数的先验概率分布,可以获得比最小二乘法更高的精度的估计值。