基于AHP与SPC的软件过程性能分析方法的研究

通过软件过程改进提高和稳定其过程性能,是软件产品质量保证的基础.有效的软件过程性能分析方法可以提高定量过程管理的效率,也为成功地进行过程控制和改进提供了保障.在对项目目标的分解和分析基础上,运用层次分析(AHP)算法和统计过程控制技术(SPC),阐述了软件过程性能分析的过程.基于CMMI理念,针对项目目标、定量指标以及软件子过程逐级进行了映射,选择了实现项目目标的关键子过程.通过实现对项目的每一个关键子过程性能的量化分析,可以展现项目目标的完成情况,通过实例描述了具体应用.     

布尔表达式的化简与并行排序网络验证

为设计出能够验证并行排序网络正确性的有效工具,根据[0,1]原理和布尔函数的特点和性质,提出一种布尔表达式的化简算法,并根据此算法设计出验证工具.对[0,1]原理和布尔函数的特点和性质进行了讨论,指出有利于化简操作的性质.设计出的工具能够根据并行排序网络的参数显示网络图形、自动生成布尔表达式并实现化简验证,工具的输出有利于对排序网络的分析,也可以用于辅助排序网络的设计和优化.实验结果表明了该工具的有效性.     

双组元姿控发动机试验高精度时序控制系统研制

介绍了双组元姿控发动机上被控对象单稳电磁阀的工作特性及其对发动机工作时序的影响,较详细地阐述了控制系统的指标、组成和工作原理,重点介绍了控制系统对发动机试验工况控制和高精度时序控制功能的实现.该系统经过多次发动机试验应用,效果良好.     

时滞切换系统的时滞依赖稳定

首先利用多Lyapunov 函数方法, 分析常时滞切换系统的时滞依赖稳定性, 并给出此系统时滞依赖稳定的充分条件及切换律的设计; 然后运用共同Lyapunov 函数方法, 研究一类时变时滞切换系统的时滞依赖稳定性, 也给出此系统时滞依赖稳定的充分条件及切换律的设计. 所得结果均可用线性矩阵不等式方法求解. 最后通过仿真验证了结论的正确有效性.     

基于自适应噪声抵消的MIMO-OFDM信道估计

对多输入多输出正交频分复用系统的信道估计进行了研究,利用自适应噪声抵消的思想,提出了一种基于自适应噪声抵消和奇异值分解的信道估计方法.该方法首先利用自适应噪声抵消对最小二乘(LS)估计进行去噪处理,然后将其结果用于奇异值分解(SVD)的MMSE低阶近似方法中.仿真结果表明,利用此方法有效地抑制了噪声的影响,其系统性能优于利用最小二乘方法所获得的系统性能.     

一种新型的磁定向系统及其定向算法研究

为了提高基于地磁检测的定向精度,通过引入高精度步进电机控制,设计了一种新型的平面单轴磁定向系统。该系统仅需要一个磁性传感器输出信号,通过步进电机带动磁传感器在水平面内做等间隔转动,求取最大值位置以确定磁方位。针对干扰和测试噪声的影响,研究了基于遗传算法和最优化理论的混合数据处理方法。通过对测试数据正弦曲线的四参数拟合,获取初始相位,提高了测角精度。仿真研究和工程实验表明：该定向方法有着较高的精度和较好的稳定性。     

一种新型遥感图像配准方法

提出了一种新型全自动稳健的遥感图像配准算法。首先,在图像二维平面空间和尺度空间中同时检测局部极值作为特征点,并在特征点邻域提取局部不变特征描述子一尺度不变特征变换（SIFT）。然后,利用距离测度进行SIFT特征匹配得到初步的匹配集合。最后,运用稳健的随机采样一致性（RANSAC）算法将匹配点集划分为内点和外点,在内点域上精确地估计出图像变换模型。实验利用仿真数据测试了SIFT特征的可重复性和可匹配性,利用卫星图像验证了该自动配准算法的有效性和稳健性。     

近邻表:RSSI辅助的一维无线传感网络相对定位

在无线传感器网络中,相对定位是指寻找节点之间的相对位置而非绝对位置.考虑一维无线传感器网络的相对定位问题,提出了一种近邻表算法,该算法通过使用近邻表来刻画每个节点的位置,这个表中包含了所有节点,并以它们到指定节点的距离排序.实际网络中的数据分析验证了距离上的差别在大多数情况下可由接收到的RSSI值之间的差别来反映.因而,近邻表可以通过比较RSSI值来获得.最后,算法通过寻找一维拓扑中的端节点来得到所有节点的相对位置.验证了算法在实际环境中的可行性.     

基于IMEMS传感器的汽车运动姿态测量系统研究

针对传统的采用机械转子陀螺构成机械平台来测量汽车姿态方法的不足,研究开发了基于集成微机电系统（IMEMS）传感器的捷联式汽车运动姿态测量系统。该系统采用四元数法作为汽车运动姿态的解算方法,并由Kalman滤波器完成对姿态角四元数估计误差和加速度计及角速度陀螺信号的融合,得到汽车姿态角的最优估计值,阐述了该系统硬件构成和软件设计,并通过汽车道路试验对系统的可行性进行了验证。结果表明：此测量系统能够满足汽车运动姿态测量的精度要求,是确实可行的测量系统。     

一种基于正态分布交叉的ε-MOEA

实数编码的多目标进化算法常使用模拟二进制交叉(simulated binary crossover,简称SBX)算子.通过对SBX以及进化策略中变异算子进行对比分析,并引入进化策略中的离散重组算子,提出了一种正态分布交叉(normal distribution crossover,简称NDX)算子.首先在一维搜索空间实例中对NDX与SBX算子进行比较和分析,然后将NDX算子应用于Deb等人提出的稳态多目标进化算法ε-MOEA(ε-dominance based multiobjective evolutionary algorithm)中.采用NDX算子的ε-MOEA(记为ε-MOEA/NDX)算法在多目标优化标准测试集ZDT和DTLZ的10个函数上进行了实验比较.实验结果和分析表明,采用NDX的?-MOEA所求得的Pareto最优解集质量明显优于经典算法ε-MOEA/SBX和NSGA-II.