基于多信号干扰的无线电台频率指配算法

为解决无线电台通信中互扰问题,对无线电台频率指配问题进行了研究。针对无线电台组网应用的特殊性,分析了无线电台通信网干扰产生原因,设计了更符合实际的基于多信号干扰的频率指配模型。在此基础上,将遗传算法和模拟退火算法结合,设计了基于模拟遗传退火的频率指配算法,并将其应用到实际的无线电台通信网中。仿真表明该算法具有全局寻优能力强,收敛性能好的特点。     

基于Spider卷积的三维点云分类与分割网络

针对传统的卷积神经网络（CNN）不能直接处理点云数据，需先将点云数据转换为多视图或者体素化网格，导致过程复杂且点云识别精度低的问题，提出一种新型的点云分类与分割网络Linked-Spider CNN。首先，在Spider CNN基础上通过增加Spider卷积层数以获取点云深层次特征；其次，引入残差网络的思想在每层Spider卷积增加短连接构成残差块；然后，将每层残差块的输出特征进行拼接融合形成点云特征；最后，使用三层全连接层对点云特征进行分类或者利用多层卷积层对点云特征进行分割。在ModelNet40和ShapeNet Parts数据集上将所提网络与PointNet、PointNet++和Spider CNN等网络进行对比实验，实验结果表明，所提网络可以提高点云的分类精度和分割效果，说明该网络具有更快的收敛速度和更强的鲁棒性。     

数字孪生驱动的固体发动机总体设计体系架构与应用

为了改进固体发动机以经验半经验为主的设计模式,解决固体发动机设计与仿真分离、数值模拟与物理试验分离、地面试验数据测不了、测不准和测不到等难题,推动固体发动机由经验驱动设计向数据和模型驱动设计转型,从数字孪生体的内涵出发,研究建立了数字孪生驱动的固体发动机总体设计概念体系,从过程、模型和数据3个视角定义了固体发动机数字孪生,并提出了过程孪生、模型孪生和数据孪生的概念;在此基础上,建立了数字孪生驱动的固体发动机总体设计系统5层架构模型,分析了各层的内涵及层与层之间的关系;从过程孪生、模型孪生和数据孪生3个概念出发,研究了数字孪生驱动的固体发动机总体设计系统的运行机制;分析了系统的特点,探讨了系统在发动机设计中的应用方法,并给出了初步的实现方案,为下一步落地应用提供理论参考。     

基于GIS的多源地学信息系统设计

随着地学GIS中信息的多源化,分析综合应用和评价难度也越来越大,针对GIS中的强大功能未与地学专业软件功能紧密结合,并且其中存在着多方面的问题,例如处理流程不连贯、应用方式不符合数据共享和开放GIS的思想等,在对各个软件综合分析评定的基础上,本文提出了一种符合软件工程要求一体化MGIS的系统开发与设计方案,它将适合对复杂的地学问题进行分析和处理.     

一种低复杂度光伏系统太阳光斑位置检测算法

日光跟踪技术能明显提高光伏系统的效率,传统的光电检测日光跟踪技术的跟踪精度低,基于图像处理的日光检测跟踪技术精度虽高但算法复杂,系统成本高。通过图像处理进行太阳光斑检测跟踪的一般方法,包括太阳光斑图像的二值化、形心提取、差量计算等算法的分析,提出了一种简化的形心提取方法,通过与传统形心提取算法比较,误差很小并不足以对跟踪精度造成实质性的影响,最后用ARM-CortexM3内核的芯片作为载体实现了对太阳光斑图像的检测跟踪算法。     

一种改进的基于Viterbi的语音切分算法

主要针对文本提示型说话人识别中语音切分高精确度要求的问题,在利用Viterbi算法的语音切分基础上,提出了向后平滑搜索多帧能量极小值的语音切分方法。该算法首先对0~9的每个数字建立模型,然后利用Viterbi算法对随机数字串进行切分得到初始切分点,最后利用搜索多帧能量极小值的方法更新原始切分点。实验表明,相比于传统的切分算法,在误差范围小于20 ms之内,改进算法的切分准确率由82.1%提高到88%。     

基于多特征融合的烟雾检测

针对传统火灾探测技术的应用弱点,研究基于视频的火灾烟雾探测方法.首先,根据烟雾的颜色特征,提取视频序列中的疑烟区域.然后,在疑烟区域中提取烟雾的3个动态特征——扩散特征、轮廓不规则特征和使背景模糊特征.最后,利用BP神经网络对这些动态特征进行融合判定.实验结果表明,基于多特征融合的烟雾检测方法能够准确、实时、有效地识别视频中的烟雾.     

SWIFFT算法效率分析

以SWIFFT算法为重要组成部分的SWIFFTX杂凑算法因实现效率问题未能进入SHA-3第二轮竞选。为此,研究提高SWIFFTX杂凑算法效率的方法,分析SWIFFT算法的实现过程。通过绘制快速傅里叶变换(FFT)流向图,估算实现SWIFFT算法的加/减、乘法运算量。此外,还提出一种计算中间参数ω的方法。分析结果表明:当存储空间较少时,选用16点FFT实现SWIFFT算法效率更高;当存储空间充足时,选用8点FFT实现SWIFFT算法效率更高。