模糊综合评判通用仿真软件的设计与实现

分析模糊综合评判模型的基本原理,讨论用于改进其性能的关键技术,包括权值向量的确定、模糊算子选择和模糊评判矩阵的构造。针对该模型的通用性问题,在MVC仿真框架下设计并实现模糊综合评判通用仿真软件。通过仿真实例验证了该软件的有效性。     

基于调制统计量的水下高速目标分类算法

针对DEMON谱调制频率的可分性进行研究。利用高速目标与非高速目标在调制频率成分上的差异性,对目标DEMON谱历程矩阵进行梯度差分和量化处理,定义了目标辐射噪声的量化矩阵和调制统计量,提出了一种基于目标辐射噪声调制统计量的水下高速目标分类识别算法,比较了不同门限情况下高速目标与非高速目标随调制统计量的分布情况。大量实测数据分析表明,此算法可以可靠地对高速目标进行分类识别。     

Apriori算法中频繁项集挖掘实现研究

在数据挖掘中，关联规则是发现知识的一种有效方法，而频繁项集的挖掘是关联规则中发现强规则的基础，其中连接与剪枝是逐层迭代求解k-项频繁集的核心算法。因此，文中主要介绍了基于连接与剪枝挖掘频繁项集的实现过程，并通过挖掘对传统购物篮数据中的频繁项集进行了验证，结果是一致的。算法的有效性也为进一步挖掘关联规则中的强规则提供了基础。     

基于单矢量传感器的强干扰噪声抑制方法

通过对单矢量传感器各通道输出不同形式的组合可以抑制干扰噪声,但高次乘方和最小均方误差准则2种方法包含非线性运算,使目标信号产生失真;常用的线性运算方法只能完全抑制与目标方位相差一固定值的干扰信号。对单矢量传感器各通道授予不同的权重系数并进行线性运算,根据最小噪声功率输出准则,在不降低目标信号信噪比的同时,通过调节权重系数,可抑制各向同性噪声场中任一方位的强干扰信号。仿真显示:本方法可在不降低目标信号信噪比和保证目标信号不失真的前提下,完全抑制与目标方位相差70°～290°范围内任一方位的强干扰噪声。     

粗集理论原型系统的集成与实现

粗集理论主要基于集合近似的概念，给出了知识划分和规则提取的一套方法．主要有不可分辨类的数据划分定义、上下近似和相对正区域求解方法、最小决策规则生成等。针对粗集中这些重要理论．文章主要介绍开发粗集理论原型系统的设计要求、系统组成以及实现粗集理论中相关算法理论依据，并包含有通用数据库接口．因此有着一定的应用价值。     

小波包分形与支持向量机在水声目标识别中的应用研究

水声目标分类识别是公认的水声信号处理难题,船舶辐射噪声是一种非线性非平稳信号,具有一定的混沌特性,更好地认识船舶辐射噪声的非线性性质,有助于更好地寻找有效的水声目标检测及识别算法。为了解决水声目标的分类识别问题,提出了利用小波包分形和支持向量机组合进行水声目标识别。利用小波包分解得到目标辐射噪声不同频带内信号分形维数作为特征矢量,并输入到支持向量机实现目标分类,实验结果表明,小波包分形和支持向量机的结合有比较好的分类识别效果,有一定的实际应用价值。     

一种改进的Markov预测模型方法

马尔可夫（Markov）模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式。针对Markov原始预测模型算法时间和空间高开销的缺点,引入聚类方法对模型进行改进,以有效降低原始Markov预测模型计算开销。改进的Markov模型虽较好地克服了原始Markov模型的缺陷,但在提高效率的同时,模型的预测准确度有所降低。不过由于是将高阶Markov模型类别预测和低阶Markov模型页面预测相结合,和原始低阶Markov模型页面预测相比,准确性具有一定优势。     

混响背景下基于分数阶傅里叶变换的自适应LMS滤波算法

针对强混响背景下经典的最小均方误差(Least Mean Square,LMS)滤波算法难以有效地实现信混分离的问题,提出一种基于分数阶傅里叶变换的自适应LMS算法。首先将混响信号和自适应LMS滤波算法中的参考信号进行分数阶傅里叶变换,寻找最优变换域,并在分数阶域进行带通滤波,然后将得到的信号进行分数阶傅里叶反变换,最后将基于正态分布曲线的变步长LMS算法应用于此混响条件下进行滤波。仿真和海试数据验证结果表明,在信混比为0 dB的情况下,算法仍可以有效地滤除混响,使信混比提高6dB。     

基于模板匹配的舰船螺旋桨叶片数识别方法

针对在舰船辐射噪声DEMON线谱信噪比低时,传统使用的基于模型或专家系统的叶片数识别方法存在错误率高且识别结果不稳定的问题,提出了一种基于模板匹配的螺旋桨叶片数识别方法。该方法建立了不依赖于样本的模板库,设计了模板匹配算法和识别结果置信度算法,较好地解决了传统的叶片数识别技术所存在的数学模型失配或规则不全、样本不完善性等问题。对实测数据的分析表明,该方法明显降低了叶片数识别的错误率,使目标类型识别结果趋于稳定。     

基于噪声抑制门的两级自适应线谱增强算法

针对低信噪比下,自适应线谱增强(ALE)算法在低信噪比时性能急剧下降的问题,该文提出2级ALE算法,该算法在普通的ALE算法的基础上,将输出信号和误差信号的傅里叶变换作为第2级ALE的输入,对线谱作进一步增强.并利用噪声抑制门对信号进行降噪预处理,然后结合提出的2级ALE算法,提出一种基于噪声抑制门的2级ALE算法,进一步提高信噪比,增强线谱.仿真和海试数据表明,算法性能较普通ALE算法有较大提升.