基于文法派生解析表的多功能雷达快速参数估计方法

随机上下文无关文法(SCFG)在多功能雷达(MFR)状态识别和威胁估计中具有良好的应用前景.为了减少常规算法的运算复杂度,本文提出一种基于解析表构造的多功能雷达参数快速估计方法.该方法通过对截获的每个雷达数据序列构造库克-杨-卡塞米(CKY)解析表,排除了大量未参与序列派生过程的产生式,随后在解析表的基础上采用改进的Inside-Outside(IO)算法对雷达文法产生式概率和多功能雷达状态进行快速估计.理论分析与实验仿真证明,该算法在参数估计精度相同的条件下,其运算时间相对于常规IO算法和Viterbi-Score(VS)算法减少了50%以上.     

一种联合目标和外辐射源的无源跟踪模型

在海战场环境中,目标载辐射源(TS)常常辐射多种信号以实现通信、探测和导航等功能。然而,上述信号没有被传统的被动相干定位系统(PCLS)充分利用。文中提出了一种联合TS和外辐射源(IO)量测信息的无源跟踪模型,以TS提供的多普勒频差和IO 提供的到达时间(TOA)为目标联合观测量,提高了目标状态的估计精度。最后,以均方根误差(RMSE)为指标证明了模型的先进性。     

一种改进的Grover量子搜索算法

Grover量子搜索算法以O(平方根N)的时间复杂度进行非结构化数据库穷举搜索,但当问题的解的个数增加,得到解的概率反而减少.本文分析了这种现象的原因,并提出了基于扩大搜索空间的改进算法.同时,为了在成功概率与迭代次数之间折中,增加一个新参数i使得算法可调.求逆问题的仿真实验表明该方法在同等迭代次数的条件下,成功概率高于传统Grover算法;且如果迭代次数不限,则成功概率可以更高.因此,本文算法更加有效.     

关于FFT算法流图的记忆方法

数字信号课中要求熟练掌握有关按时间抽取(DIT)的FFT算法(库里-图基算法)和按频率抽取(DIF)的FFT算法(桑德-图基算法),本文从这两个方面总结整理了这两种算法的记忆方法,帮助读者在学习FFT的算法流图后快速熟练记忆此流程图.     

采用方差模型概率的机动目标跟踪算法

针对交互式多模型(IMM)算法计算量大、模型切换时性能不佳的特点,提出了一种新的机动目标跟踪算法——方差模型概率(Variance Model Probability,VMP)算法。该算法结合多模型思想,利用当前量测残差在线推导模型方差,自适应调整模型概率。模型概率大小与方差成反比,滤波输出为各模型加权和。为减小量测噪声引起的误差影响,在设定的时间窗内求方差平均值。仿真结果表明,VMP算法不仅性能优于交互式多模型算法,同时也减少了计算量,提高了费效比。     

基于深度强化学习的协作通信中继选择

协作通信是无线传感器网络(Wireless Sensor Network,WSN)实现数据可靠传输的关键技术,而协作通信技术的关键在于中继方案的选择。为此,提出了一种基于深度强化学习的协作通信中继选择算法(Deep Q-Learning Based Relay Selection Scheme,DQ-RSS)。首先,将WSN中具有中继选择的协作通信过程建模为马尔科夫决策过程,并采用Q学习在未知网络模型的情况下获取最佳中继选择策略;其次,针对高维状态空间下Q学习收敛时间长的问题,采用DQN(Deep-Q-Net)算法来加速Q学习的收敛。对比仿真实验结果表明,DQ-RSS在中断概率、系统容量和能耗方面均优于现有的中继选择方案,且能够有效节省收敛时间。     

发现和学习不可复位动态系统的预测状表示的一种新算法

提出了一种发现和学习不可复位动态系统的预测状态表示的新算法.在证明系统的任意landmark均可作为系统的初始状态的基础上,利用发现的landmark确定系统在任意时间步所处的经历,然后采用蒙特卡罗方法估计任意经历下任意检验发生的概率,解决了在不可复位动态系统中,经历下检验发生的概率难以获取问题,进而发现和学习不可复位动态系统的预测状态表示.实验结果表明,本文算法获得的系统的预测状态表示在预测精度上明显优于suffix-history算法,验证了所提算法的有效性.     

一种概率映射网络的EM训练算法

文中提出一种概率映射网络(PMN)的EM(Expectation Maximization)训练算法。PMN为一个四层前馈网。它构成一个贝叶斯分类器,实现多类分类的贝叶斯判别,把输入的样本模式经网络变换为输出的分类判决,其网络节点对应于贝叶斯后验概率公式的各个变量。 此PMN用高斯核函数作为密度函数,网络参数训练由EM算法实现,其学习方式为类间的监督学习和类内的非监督学习。最后的实验表明此网络及其学习算法在分类应用中的有效性。     

T′算法在域GF(2)上的性能研究

代数攻击算法XSL是域GF(2)上求解大规模的多元多项式方程组的有效算法,分析发现XSL中的T′算法不能达到其希望的结束条件Free=T或Free=T-1。给出T′算法的一个真实结束条件和2个变量选择原则,并在原T′算法的基础上增加概率算法和以较大概率估计变量取值。结果表明改进后的T′算法可以简化方程组求解。     

发现和学习不可复位动态系统的预测状态表示的一种新算法

提出了一种发现和学习不可复位动态系统的预测状态表示的新算法．在证明系统的任意landmark均可作为系统的初始状态的基础上,利用发现的landmark确定系统在任意时间步所处的经历,然后采用蒙特卡罗方法估计任意经历下任意检验发生的概率,解决了在不可复位动态系统中,经历下检验发生的概率难以获取问题,进而发现和学习不可复位动态系统的预测状态表示．实验结果表明,本文算法获得的系统的预测状态表示在预测精度上明显优于suffix-history算法,验证了所提算法的有效性．     

一种Turbo译码算法改进研究

Turbo码是近年来广泛应用于通信系统中的一种性能优异的编码方式.文中首先分析了基于最大后验概率的Turbo码传统译码算法,然后指出了使用这类算法具有大译码延时的缺点,分析了常用的能减小译码延时的SW-MAP算法;最后根据此算法的特点提出了SW-MAP算法的改进方案.算法改进后能有效降低译码延时,提高译码性能.     

引导型免疫算法研究

基于免疫系统机理提出的免疫算法是一种新型的智能系统，在优化计算方面表现出巨大的潜力，具有多样性好、搜索成功率高的优点．但免疫算法在局部搜索中存在一定盲目性，搜索效率不高．本文提出引导型免疫算法，通过增强免疫算法中抗体的社会性，为免疫算法的搜索过程提供引导性，加快算法收敛速度，并对引导型免疫算法中新引入的算法参数进行了深入讨论．算法分析和仿真结果表明，引导型免疫算法在保持算法高搜索成功率的前提下，有效地提高了算法搜索效率．     

RFID防碰撞算法的研究

随着物联网技术的高速发展,作为其关键技术之一的RFID显得愈为重要。标签碰撞的应用在RFID系统中是不可避免的,因此RFID防碰撞算法是RFID系统中一个重要问题,直接决定了RFID系统可以识别多个标签的能力。目前防碰撞算法在时域上主要可以分为非确定性算法（ALOHA算法）和确定性算法（树形算法）两大类。本文分析了现存的两大类算法中主流的防碰撞算法,总结出两大类算法的优点以及存在的问题。通过MATLAB仿真进一步证明此结论,并总结未来研究中需要继续关注的问题与方向。     

基于KR-BM算法的多模式匹配算法改进

网络技术的高速发展对模式匹配算法提出了更高的要求,为提高模式匹配效率,文中首先对常用的单模式和多模式匹配算法进行分析,在此基础之上,提出一种基于KR算法和BM算法的多模式快速匹配算法。最后通过实验结果验证了此算法的可用性和高效性。     

通道不一致性对GPS天线自适应算法的影响

GPS信号到达地面终端时通常非常微弱,极易受到传输环境和去其他信号的干扰。功率反演(Power-Inversion)算法应用于GPS自适应天线阵可以很好地抑制干扰信号,但由于阵列天线通道存在幅相不一致,这会对自适应抗干扰算法产生很大影响。通过对自适应天线阵列及通道不一致性进行建模,经过理论分析和计算机仿真,以QRD-SMI算法为例,验证了自适应算法在一定条件下能够克服天线通道不一致,从而有效地抑制干扰信号,所得结论有利于指导工程应用。     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。     

道路搜索算法的研究

道路交通飞速发展,对道路搜索算法进行研究变得越来越有必要。首先对研究的必要性进行了阐述,进而对几种道路搜索算法的原理进行了介绍。     

基于遗传算法的关系数据库水印技术研究

目前关系数据库中的水印算法已经无法满足其基本数据管理需求,而传统的遗传算法由于在水印嵌入中的元组个数远远无法满足数据库中的元组数量也没有得到实际的应用。笔者将通过对现有水印技术进行分析和探究,并基于遗传算法的基础之上来对关系数据库水印技术进行改进,该技术能够利用遗传算法在关系数据库中选择最优元组进行比对,极大缩短了关系数据库的水印嵌入时间,提高了水印嵌入效率,真正实现了关系数据库水印的优化,为关系数据库的发展做出了一定的贡献。     

基于主动队列管理算法的研究

主要对自适应虚拟队列（AVQ）算法、动态阈值（DT）算法以及队列长度阈值（QLT）分组调度算法等异同点及适用范围进行了描述,在理论上进行了分析。通过比较各个算法的优点及存在的问题,针对AVQ算法进行了改进,使其在原性能的基础上增加了区分服务的功能。基本上保持了原算法的优点,即具有低时延、低分组丢失率和高链路利用率。     

遗传蚁群禁忌融合算法的研究

通过对遗传算法、蚁群算法和禁忌搜索算法三种算法的分析研究,针对其各自优缺点,提出一种融合遗传算法、蚁群算法和禁忌搜索算法的融合算法。融合算法是采用遗传算法生成初始信息素分布,利用蚁群算法快速求精确解,同时将遗传禁忌算子引入到蚁群算法的每轮迭代中,有效解决了蚁群系统初始信息素匮乏、易陷入局部最优和收敛速度慢的缺点,实现优势互补。通过NP-hard30问题仿真实验,结果显示算法具有良好的寻优能力和寻优效率。