基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹，难以被发现，因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上，设计了一种基于误差估值累加开环校正的紧组合导航结构，并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中，将紧组合导航系统与自适应序贯概率比检测方法结合，提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法，融合紧组合导航信息与其他不受欺骗影响的导航信息，构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明，开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题，同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。     

基于特征建模的TDD系统大气波导干扰控制体系研究

大气波导干扰是特定气象条件下发生的时分双工（time-division duplex，TDD）系统内干扰，是TDD移动通信系统大规模组网面临的顽疾。在总结分析大气波导干扰成因和分类等的基础上，对大气波导干扰进行建模和表征，验证了海量干扰源在时域和频域的功率集总特征，并结合大量4G/5G现网实测数据给出了典型条件下内陆波导和海面波导的量化干扰信号传播模型，对于干扰的预测和预防具有重要意义。基于干扰特征，给出了TDD系统预防大气波导干扰的帧结构与组网的4项设计原则，5G现网数据表明干扰控制方案有效，上行干扰下降10 dB以上，相关原则对于6G系统的设计也具有指导意义。     

黑龙江牡丹江:排查一起民航安全校飞频率受干扰案件

2020年11月14日,黑龙江省牡丹江无线电管理机构及时受理并成功排查一起民航安全校飞专用频率受干扰案件,确保了校飞工作的成功验收,避免航班延误的情况。14日9时,黑龙江省牡丹江无线电管理机构接到牡丹江海浪国际机场干扰投诉,称北京至牡丹江B3666航班在进行导航设备安全校飞过程中,校飞专用频率受到不明信号干扰,无法正常校准。如两日内校飞不成功,航班将被取消。由于校飞期限紧迫,牡丹江无线电管理机构当天在第一时间启动应急预案,展开干扰排查工作。     

冰下单载波水声通信试验研究

北极地区战略地位的提高促进了极区各种应用的快速发展，冰下水声通信成为其中一个热点问题。为了研究冰下单载波水声通信性能，在黄海冰区开展冰下试验。重点分析了内嵌锁相环的多通道判决反馈均衡(Multi-channelDecision Feedback Equalization, M-DFE)技术在冰下水声通信中抗多途时延的能力，研究比较了改进比例归一化最小均方(Improved Proportional normalized Least Mean Square, IPNLMS)算法和递归最小二乘(Recursive Least Squares,RLS)算法的均衡性能。试验结果表明IPNLMS和RLS都能克服信道多途效应带来的影响。在牺牲计算复杂度的前提下，RLS具有更好的均衡效果，M-DFE在冰下环境中能够有效消除码间干扰。     

甘肃省某县调频广播发射机干扰民航通信解决方案

1发射基站地理环境甘肃省某县地形为东西两面环山,南北峡谷地形,该县广播电视发射基站选择在西山山腰处,邻县机场距离该县发射基站东南方向直线距离约80km,该发射站点恰巧在机场的航线正下方,垂直距离约4 km。距离广播电视发射台的北面约500 m位置有一个市无线电管理委员会(下简称无委会)的监测点。发射机站大致地形如图1所示。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

基于特征选择遗传算法对混合动力汽车的研究

针对传统遗传算法优化串联式混合动力汽车时燃油经济性和排放性不佳、优化运行时间过长的问题,提出一种基于特征选择遗传算法的串联式混合动力汽车系统参数和控制策略参数的多目标优化算法,并建立以动力性能指标为约束的混合动力汽车参数优化的非线性模型,其中目标函数包含最佳的燃油消耗和排放等指标。首先对目标函数的可行解空间进行特征选择,筛选出与目标函数相关度较高的可行解,并将基于特征选择的优化方法与传统遗传算法相结合,对其控制参数进行优化。其次通过ADVISOR仿真程序,计算出目标函数的最佳燃油消耗量和排放值。仿真结果表明:与传统的遗传算法相比,燃油经济性提高9.96%,CO、HC和NOX的排放分别降低18.07%、26.71%以及15.61%,同时优化运行时间降低62.14%。