可重构计算平台的硬件结构设计

针对现有可重构计算硬件平台配置时间长、灵活性受限的缺陷问题,介绍了一种基于PC机的FPGA可重构硬件平台结构的设计方法,该结构允许PCI总线快速重构,整个系统的硬件设计可以按以下两个部分进行设计:固定部分和可重构部分。最后在FPGA资源上的验证结果表明该设计能够有效实现FPGA的硬件重构,而且其物理硬件设计简单。     

基于综合相似接近度的航迹关联算法

文中以分布式多目标跟踪系统的航迹关联问题为研究对象，在综合考虑两模糊集问的三种接近程度度量（即海明距离、模糊贴近度、灰色关联度）的基础上，采用综合相似接近度算法，并将它应用于航迹关联问题。最后给出了两传感器环境下的仿真结果，并与最近邻法、加权法进行了比较，显示了该算法在关联正确率上有所提高。     

基于改进边缘化粒子滤波器的机动目标跟踪

为解决边缘化粒子滤波器(MPF)无法估计线性状态的难题,提出了一种改进的MPF目标跟踪算法,采用状态的预测值作为卡尔曼滤波器的量测更新,用卡尔曼滤波器估计目标的速度和加速度;用粒子滤波器(PF)估计目标的位置信息.仿真结果表明改进的MPF在保证目标状态估计精度的同时,降低了PF算法的计算复杂度,克服了PF的退化现象,较好地解决了闪烁噪声下的机动目标跟踪难题.     

具有固定延迟平滑的交互多模型概率数据互联算法

为了提高杂波环境下跟踪机动目标的跟踪精度．文中将交互多模型概率数据互联（IMMPDA）和固定延迟平滑（LS）思想相结合．提出了一种具有固定延迟平滑的IMMPDA（IMM-LS-PDA）算法。通过引入延迟．增广了目标的状态向量，使得目标的固定延迟平滑状态估计更加准确。仿真结果表明。在杂波环境下对机动目标进行跟踪．单纯的IMMPDA算法的跟踪误差很大，并且在转弯机动处，误差出现峰值．算法的平稳性较差；而在进行固定延迟平滑后，算法的跟踪精度有了明显的提高。     

一种具有对称结构的神经网络的构造方法研究

文章提出了一种神经网络构造方法一改进的OBD（Optimal Brain Damage）算法，力求使网络的结构（网络权值矩阵）具有三角对称性，定义了衡量网络对称性的三角对称度。一方面，该算法可以提高网络的收敛速度，另一方面．由于网络的对称性，可以有效地提高网络的硬件和软件可实现性。将该算法应用于系统辨识，结果表明在本文提出的算法的训练下．网络结构近似为三角对称，同时不影响网络的学习能力。     

离散小波滤波器在飞机电磁兼容测试中的应用

讨论了由于飞机上的电气设备频繁启停、雷电放电等引起的电快速瞬变脉冲群的电磁兼容（EMC）问题，给出了抵抗瞬变脉冲群的电磁兼容标准。并尝试利用小波的多分辨特性，采用离散小波变换构成数字滤波器，对叠加噪声后的干扰信号进行了时频分解，达到抑制干扰的目的。仿真结果表明，通过小波分析可以得到干扰源脉冲群的起始时间、持续时间等信息。     

任意截面的非平行多导体传输线瞬态分析

以分析多导体传输线的时域有限差分(FDTD)法为基础,在考虑任意截面传输线分布参数无法直接计算的情况下,提出MOM-FDTD 混合方法对不平行多导体传输线进行瞬态分析。首先,利用FDTD建立多导体传输线时域差分模型,然后用MOM 法计算任意截面形状的非平行传输线的分布参数,并且与FDTD法混合进行瞬态分析计算。此算法相对于全波算法,在时间与存储空间消耗上具有很大的优势,并且满足精度要求。最后通过同轴传输线与矩形带状线的例子验证这个方法是正确有效的。     

基于RBF网络和IMM的机动目标跟踪方法

文中提出了一种应用RBF神经网络对标准IMM算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、卡尔曼增益以及测量值与估计值之差．网络输出反映了由于目标机动所带来的滤波误差．将网络输出结果和直接由卡尔曼滤波求解得到的结果相加．可以得到更为准确的滤波值。同时．在网络的学习算法中．在网络权值矩阵的修正公式中增加了反映滤波残差的调整项．若卡尔曼滤波的残差较大，网络调整权值的幅度也相应增大。仿真结果表明．在目标发生机动转弯处．校正后的IMM算法的跟踪误差要明显小于标准IMM算法的跟踪误差．跟踪精度较高。     

基于离散小波变换和混沌加密的图像水印算法

文中提出了一种基于离散小波变换和混沌加密的数字水印新算法,采用二维混沌变换对水印图像加密;对载体图像进行多分辨离散小波变换,应用小波系数判断载体图像的纹理复创杂程度后,依据人眼的视觉系统（HVS）特性,将水印信号嵌入到图像的低频部分,对图像的不同分解层分别选取不同的纹理阈值和水印嵌入强度,将数字水印嵌入到相同分辨层的原始图像中,提高了水印算法的鲁棒性.在检测和提取水印时,通过水印相似度（NC）和峰值信噪比（PNSR）评价水印质量,实验结果表明提出的算法可以抵抗剪裁、JPEG压缩、滤波等几何攻击,算法简单,计算复杂度小,兼顾了水印的不可见性和鲁棒性.     

船舶电站故障诊断中的数据融合算法

将数据融合技术应用于船舶电站故障诊断系统中,在数据处理的检测层、特征层及决策层上分别提出不同的数据融合算法:在检测层提出自适应加权数据融合算法,在特征层提出基于灰色优势分析的数据融合算法,在决策层提出基于D-S证据理论的数据融合算法。这些算法解决了传统故障诊断中存在的大量采集数据如何有效处理的问题。所提出的算法针对船舶电站故障诊断的特殊性,有较强的适应性,提高了实际诊断的准确性和可靠性。