不同工况下锚杆施工无损检测精度研究与施工质量评价

两河口水电站锚喷支护范围广、类型多、工程量大,锚杆施工质量要求高,通过模拟不同工况条件(即洞室及岩石边坡不同倾斜角度)锚杆现场的模拟试验,其结果验证了无损检测的可靠性、准确性及不同工况条件下两种施工工艺的施工质量对比分析,确定了两种施工工艺能否满足两河口水电站大坝工程施工的设计标准。     

基于强化学习的无线自组网络多节点干扰策略

为了实现无线自组网络通信拒止的干扰需求,构建无线自组网络模型,并针对该模型提出一种基于强化学习理论的未知拓扑网络多节点干扰策略选择算法,以实时交互的方式进行在线学习.该算法无需获悉网络拓扑等先验知识,仅以网络流数目作为反馈信息,以多节点联合干扰的方式逐步学习最佳干扰节点.在不同参数的无线自组网中的仿真结果表明,所提算法在累积阻断网络流方面优于现有算法,且在新的奖赏标准下,所提算法仍具有优异的干扰性能.     

常态实时混叠信号的盲分离算法研究

实时混叠是混叠类型中最简单的一种，也是迄今为止最为常见的一种。本文介绍了实时混叠盲源分离的数学模型和算法原理，深入研究了常态情形的盲分离算法，其中包括批处理法和自适应法。以自适应法中的顺序提取法为重点，介绍了运用FastICA分离方法的3组实验仿真结果，证明了这种算法的可行性和有效性。     

基于MFCC参数和HMM的低空目标声识别方法研究

提出了一种战场声目标识别方法，模拟人耳的听觉机理提取更能反应出声音信号动态特征的Mel倒谱系数（MFCC）作为识别战场低空目标的参数；利用隐马尔可夫过程具有很强地表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象，建立隐马尔可夫模型（HMM）；由K-均值聚类得出HMM模型的练和识别特征向量，识别时设定阈值判定输入的未知声信号。实际数据的分析结果表明了该识别方法的准确性与有效性。     

无线数传信号编码盲识别与解码技术研究

针对无线数传信号中广泛采用的线性分组码盲识别问题展开研究,利用分组码的线性构造和校验性质,对线性分组码的新型数据矩阵盲识别模型进行了改进。理论上通过求解二元域线性方程组来实现对编码参数及生成矩阵的盲识别,降低了识别所需的数据量;对改进的识别模型进行了大量的仿真分析,结果表明其识别模型的有效性;论文最后将改进的识别模型应用到工程实践当中,对实际接收的无线数传信号进行分析,完成了对信道编码和信源编码的盲识别,并成功恢复出数据信息。     

基于AD7656的多路并行同步音频数据采集系统设计与实现

针对音频BSS(盲源分离)瞬时模型的多信源多传感器问题,提出一种严格的多路并行同步数据采集的ADC方案。首先介绍ADC AD7656的性能特点,提出并实现一种并行同步多路音频数据采集的系统方案。着重介绍AD7656周围电路的设计和控制逻辑的实现,解决多路采集时序及数据分离的难题;设计完成PCI采集系统的数据接口和驱动程序;采用CPLD作控制核心,简化设计,且方便应用的扩展;最后,给出测试结果。该系统已实际应用于相关课题的研究。     

参数自适应调整的稀疏贝叶斯重构算法

稀疏表示模型中的正则化参数由未知的噪声和稀疏度共同决定,该参数的设置直接影响稀疏重构性能的好坏。然而目前稀疏表示问题优化求解算法或依靠主观、或依靠相关先验信息、或经过实验设置该参数,均无法自适应地设置调整该参数。针对这一问题,该文提出一种无需先验信息的参数自动调整的稀疏贝叶斯学习算法。首先对模型中各参数进行概率建模,然后在贝叶斯学习的框架下将参数设置及稀疏求解问题转化为一系列混合L1范数与加权L2范数之和的凸优化问题,最终通过迭代优化得到参数设置和问题求解。由理论推导和仿真实验可知,已知理想参数时,该算法与其它非自动设置参数的迭代重加权算法性能相当,甚至更优;在理想参数未知时,该算法的重构性能要明显优于其它算法。     

基于DSmT的通侦信息融合

针对通侦信息不确定性、不完整性、模糊性和多变性等的特点,提出了基于DSmT方法的通侦信息融合模型。对融合问题进行了完备性描述,且引入完整性约束,实现了对通侦信息的动态融合,适应随时变化的战场信息。融合信息的多变性和冲突性得到了有效处理,同时降低了信息的不确定性、不完整性和模糊性。实验表明该方法可得到比较有价值和较高可信度的结论。     

基于改进梯度投影算法的压缩感知超宽带信道估计

超宽带是近年来兴起的一种高速无线通信技术,考虑其过高带宽带来的采样难度较高的问题,压缩感知理论提供了一种可行的低速采样方法。针对梯度投影稀疏重构算法应用于超宽带信道估计中效果不佳的问题,提出了改进的梯度投影算法。改进算法采用原始算法的目标函数形式,取消原始算法中沿负梯度方向搜索和负梯度向可行集合投影后再搜索的交替搜索方式,改为一直沿负梯度方向搜索的单一搜索方式,从而避免了原始算法的高运算复杂度和过于严格的约束条件对算法的限制,同时该目标函数相对于梯度追踪算法加上了对稀疏噪声的约束条件,变成了l₁范数优化问题。实验结果表明该算法相对于梯度投影稀疏重构算法能够显著降低运算复杂度,提高运算速度,同时相对于梯度追踪算法也有重构性能上的提升。