Ka频段卫星通信上行链路自适应功率控制

为提高Ka频段（30GHz／20GHz）卫星通信系统上行链路功率控制的可靠性,提出一种上行链路自适应功率控制算法。该方法基于自回归滑动平均模型,能由测量到的下行链路降雨衰减值预测出上行链路的降雨衰减值,从而提高功率控制精度。仿真结果表明,该方法对降雨衰减具有较好的补偿效果。     

并行计算模型参数动态分析软件包设计

并行计算模型的发展引入越来越多的模型参数。对并行计算模型参数动态采集分析软件包DEMPAT的整体框架进行研究,实现基于硬件性能计数器的存储层次参数采集模块。实验表明,该模块能够准确快速地获取存储层次参数且具有较好的可移植性。     

基于混沌级联的语音频域实时加密系统

针对现有语音实时保密通信系统中系统空载密钥泄漏现象导致容易遭受基于自适应同步控制方法攻击的问题,采用混沌级联对语音频域进行实时加、解密。该方案实现零密钥泄漏,有效抵御了基于自适应同步控制方法的攻击。系统测试分析结果表明,该方案是有效、安全的,优于基于单组混沌系统对时域的加密方法。     

基于单片机系统的手机蓝牙智能锁设计

通过手机蓝牙控制智能锁开关的软、硬件设计,手机作为客户端,蓝牙模块HC-06作为服务端.客户端采用Eclipse开发环境,实现了JAVA编程的手机APP软件;服务端采用单片机控制,实现了双方通过串口进行通信和智能锁的开关.设计结果表明:蓝牙智能锁具有可接收手机遥控信号并灵活进行开锁、关锁功能,手机APP实现了修改锁密码功能,这进一步说明蓝牙智能锁具有广阔发展前景.     

基于周期信号的迭代学习控制在逆变器中的应用

提出一种基于周期信号的迭代学习控制方法,并将其应用于电力逆变器,分析了跟踪误差沿迭代方向的收敛条件,给出了控制律的时域表达形式以及参数的确定方法.由于该方法理论上可实现跟踪误差收敛到零,因而使逆变器输出电压跟踪精度大幅提高.通过MATLAB/Simulink仿真,该方法的有效性得到验证;此外,与传统PID控制相比,仿真结果显示出该方法具有较好的负载适应能力以及优越的跟踪性能.     

强干扰环境下高炉雷达信号机器学习算法

高炉料面属矿物-煤气-焦炭多元高温固体/熔体混杂共存的粗糙表面,其电磁反射特征包含非均匀和非平稳的气固混合介质的表层电磁回波信息、布料溜槽引起的周期性遮蔽效应、十字测温等装置引起的固定干扰,以及电磁辐射等环境因素引发的随机噪声.本文研究了复杂环境下调频连续波(FMCW)提取的料面信号,采用瞬时频率分析的希尔伯特-黄变换(HHT)方法代替传统快速傅里叶变换(FFT)方法.结合经验模态分解,将原始非平稳信号分解为若干个平稳的内在模式函数;并按照基于先验知识的决策树算法分类与学习,获得各类分量权值并加权突出真实物料的电磁信号;通过Hilbert变换得到原始信号的时频域特征,可以揭示流态化料面包含的丰富冶炼信息.同时该算法也有助于提高料面成像的帧准确率和稳定性,为钢铁行业节能减排提供可靠的数据支撑.     

基于改进的背景模型的图像识别算法研究

当图像亮度不均匀、对比度低时,提取图像前景较困难。为此,提出一种图像分割方法,结合正弦基函数和绝对值距离测度构建背景模型,依据优化理论和迭代法求解背景模型,通过比较背景模型中各像素点亮度与实际图像中各像素点亮度来判别各像素点是背景还是前景。为应对图像亮度不均匀的情况,在图像分割前对图像进行分块,在分块图像中依据背景模型或相邻分块背景相似度进行图像分割。实验结果表明,在普适性方面,相对于经典的模糊C均值法和OTSU法,该方法的分割误差小,尤其是对亮度不均匀和对比度低的图像;在掌纹图像分割应用方面,与迭代线跟踪法和模糊粗糙集法相比,该方法的错误率低、信噪比高、处理时间短。最后将提出的分割算法应用在人脸识别上,实验结果表明了该算法的先进性。     

卫星群分布式技术的研究与实现

随着航天技术的发展,越来越多的信息需在星上处理,卫星群分布式技术已成为近年来研究的热点. 与地面环境不同,卫星受到体积、功耗、空间辐射等条件的限制,在卫星群建立分布式环境需掌握架构设计、操作系统、资源管理等关键技术. 针对以上问题,本文先研究卫星群分布式计算与存储架构、其次研究卫星群分布式资源监控的实现过程,最后通过卫星群验证系统证明其可行性与优越性.     

基于Cosserat连续体理论的疲劳寿命概率可靠性分析

基于Cosserat连续体理论建立考虑应变梯度效应的粉末高温合金弹塑性模型.该模型考虑微尺度长度效应,并能消除缺陷局部化问题求解时的网格依赖性.基于参变量变分原理提出一种高效的求解方法,该方法将原非线性问题转化为互补问题求解,可大大提高求解效率和收敛性.针对一种假想涡轮盘模型,将Cosserat尺度参数和Basquin斜率作为随机变量,分别采用蒙特卡洛法与二阶矩法进行疲劳寿命概率可靠度计算.结果表明二阶矩法在保证精度的情况下具有较高的效率.     

基于Isolation Forest的并行化异常探测设计

异常探测具有广泛的应用,受到了工业界和学术界的共同关注。在众多异常探测方法中,Isolation Forest算法具有执行效率高、探测准确度好的特点,获得了众多应用。但是,传统Isolation Forest算法难以处理大规模数据。为解决此问题,设计了一种基于云计算平台的算法。具体地,使用Hadoop分布式存储系统和MapReduce分布式计算框架设计并实现了基于Isolation Forest的并行化异常探测算法PIFH。通过将探测模型构建和数据异常评价的过程并行化,提升了PIFH算法探测异常的执行效率,扩展了其应用范围。利用真实世界数据集验证了所提算法的执行效率和可扩展性。