基于ERA算法的大桥斜拉索索力检测方法

斜拉桥拉索模态参数(固有频率、阻尼比)在索力测试、拉索减振、实时控制等方面起着重要作用。目前斜拉索索力一般以频域分析法(如频差法等)进行检测,提出采用ERA算法来获取拉索自由响应信号中的各阶模态参数,从而给出更加精确稳定的拉索基频和对应索力,并与传统索力测算方法——功率谱峰值法进行对比分析。本文方法简单,与理论值吻合良好,试验容易实施,具有较好的工程实用价值。数字仿真与工程测试结果表明了方法的有效性和可行性。     

基于稀疏AR建模信号去噪研究与应用

为去掉在不同环境、设备下所采集信号中的不同分布形态噪声,引入稀疏优化求解思路构建新的去噪算法。设信号的AR模型系数是稀疏的,且噪声对AR模型系数影响均衡分布,则可用采集的含噪声信号构建稀疏AR模型有效消除噪声。用含噪声信号构建AR系数矩阵作为过完备稀疏基,通过多次重复随机抽取方式获得多个欠定方程组;利用稀疏优化求解算法获取AR模型稀疏系数;据稀疏系数平均值重构信号。仿真实验表明,信号含噪声较大时该算法较经典小波及中值滤波去噪效果更好。     

基于排队论综合指标评估的动态负载均衡算法

互联网通信、计算机集群和云环境均具有一定的复杂性和动态性,极易发生负载失衡,从而降低服务效率、增加能耗。因此,负载均衡技术成为重点研究课题。现有的负载均衡策略均是以 CPU、内存、进程等参数的占用率来评估服务器当前的负载情况,但服务器负载情况的复杂性往往使其难以得到准确评估。针对该问题,提出了一种基于排队论综合指标评估的动态负载均衡算法,首先引入排队论模型评估各服务器的实时负载情况,然后根据各服务器的负载综合指标,将输入队列中的任务逐一分配给各服务器。实验结果表明,该方法可有效平衡各服务器的负载且减少任务请求的平均等待时间。     

基于XML描述的EDI三层技术体系设计与构建

利用XML强有力的语法描述特性探讨设计并优化现有的EDI体系，提出一套完整齐全且高效灵活的商业EDI解决方案。方案已经实现，实践证明在许多方面，尤其是在EDI报文的交互性方面，与传统的EDI体系或具备简单XML特性的EDI体系来说，具有很强的优越性。     

IP网络质量的主客观评价融合模型

针对IP网络质量评价问题,利用BP神经网络构建一种主客观特征融合的评价模型。主客观2个评价网络分别进行自适应学习,在学习输出稳定后,2个BP神经网络通过相互共振学习使主客观评价数据融合,由此获得一致的评价结果。结合用户感知的主观评价和多种客观性能评价指标对该模型进行仿真,实验结果表明,模型具有较强的抗噪性能,可以较好地满足IP网络质量的综合评价要求。     

一种新的混合变异粒子群算法

针对基本PSO算法存在易陷入局部最优点的缺点,提出了一种新型的PSO算法——混合变异粒子群算法。在每次迭代中,符合变异条件的粒子,以多种变异函数方式进行变异,而这些变异函数被赋予了一定概率,概率的划分取决于特定的优化问题。对几种典型函数的测试结果表明:在变异函数概率分配设置合适的情况下,混合变异粒子群算法增强了全局搜索能力,提高了搜索成功率,克服了基本PSO算法易于收敛到局部最优点的缺点,也明显优于单变异粒子群算法。     

计算机网络实验的多层级探究式学习模式研究

探究式学习是以学生自主探究为主的一种积极的学习过程,借助它可以构建以"学生为中心"的学习模式。面向高等工程教育学生专业能力与工程素养的培养,根据工程技术领域知识建构、技术积累和能力培养的一般规律,提出一种以实验与项目为主要形式的多层级探究式学习模式,并在《计算机网络》课程教学中给出具体实施范例。     

基于拟合型弱分类器的AdaBoost算法

针对AdaBoost算法通过最小化训练错误率来选择弱分类器造成的精度不佳问题以及单阈值作为弱分类器训练过程较慢难以收敛问题,提出了一种基于拟合型弱分类器的AdaBoost算法。首先针对每个特征,在特征值与标记值之间建立映射关系,引入最小二乘法求解拟合多项式函数,并转换成离散分类值,从而获得弱分类器。其次从获得的众多弱分类器中,选择分类误差最小的弱分类器作为本轮迭代的最佳弱分类器,构成新的 AdaBoost 强分类器。与传统训练算法相比,极大地减少了待选弱分类器的个数。选取 UCI 数据集和MIT人脸图像数据库进行实验验证,相较于传统Discrete-AdaBoost算法,改进算法的训练速度提升了一个数量级,人脸检测率可达96.59%。     

基于双麦克风的室内语音分离与声源定位系统

为了探究利用两个麦克风进行多声源分离和二维平面定位的可能性,提出了一种基于双麦克风的室内语音分离与声源定位系统。该系统根据麦克风采集的信号,建立了双麦克风时延-衰减模型,然后利用DUET算法估计了模型的时延-衰减参数,并绘制了参数直方图。在语音分离阶段,建立了二进制时频掩膜（BTFM）,根据参数直方图,结合二值掩蔽的方法对混合语音进行了分离;在声源定位阶段,通过推导模型衰减参数与信号能量比之间的关系,得到了确定声源位置的数学方程组。利用Roomsimove工具箱模拟室内声学环境,通过Matlab仿真和几何坐标计算,在对多个声源目标分离的同时完成了二维平面中的定位。实验结果表明,该系统对多个声源信号的定位误差均在2%以下,有助于小型系统的研究和开发。     

振动信号包络线的稀疏重构最优化算法研究与应用

经验模态分解是处理非线性、非平稳信号的有效方法,其核心关键是包络线的提取。针对目前提出的包络拟合算法所存在的端点效应、拟合误差大、抗噪性低等问题,在文献[9]的基础上,提出一种基于稀疏复原最优化算法提取信号包络线的方法。首先利用外罚函数将包络线稀疏优化模型的凹问题转换为凸二次规划问题;其次采用混合变异粒子群算法对改变稀疏基频带宽度的变化因子m进行全局寻优,利用最优变化因子构建适合包络线变化趋势的最佳稀疏基,然后将采集信号的所有极值点作为稀疏重构过程中的观测值,利用最佳稀疏基与观测值建立稀疏重构模型,使用内点法对该模型进行处理,最终自适应地得到了全局最优的包络线信号。结果表明,该方法可以有效抑制端点飞翼问题,粒子群算法的引入可以自适应地匹配最优的稀疏基映射带宽,在拟合精度和抗噪声等性能方面获得了比文献[9]更好的效果,有效提高了包络线拟合精度和抗噪性。