参数特征匹配在SAR目标识别中的应用

参数特征匹配是基于模型的雷达目标分类识别研究中的重要内容。首先回顾总结了目前典型的参数特征匹配方法,在此基础上,针对合成孔径雷达(SAR)目标识别问题,分析了测试数据参数特征集与目标散射模型参数特征集之间的匹配对应关系,进而采用确定性退火方法进行参数特征匹配,然后依据匹配点对数目信息构造合理的匹配系数,根据匹配系数判定目标所属的类别,最后通过仿真实验验证了算法的有效性。     

一种基于智能有限自动机的正则表达式匹配算法

本文提出了一种基于智能有限自动机(Smart Finite Automaton,SFA)的正则表达式匹配算法,在XFA的分支迁移边上增加额外的判断操作指令,消除XFA的回退迁移边,避免不必要的状态迁移操作.实验结果表明,SFA提高了正则表达式匹配的时空效率,与XFA相比,在存储空间开销上减少了44.1％,在存储器访问次数上减少了69.1％.     

基于改进的SMOTE和RST的新型混合重取样算法

分类预测是数据挖掘和机器学习的重要任务之一,非均衡数据广泛存在于真实世界的分类问题中.本文提出一种新的解决非均衡数据集的预处理方法(ImSMOTE-RSTR*).通过改进的SMOTE方法创建新的人工合成少数类实例,并在此基础上应用基于粗糙集理论的子集下近似技术对训练集进行清理,该算法被验证得到较理想的结果.     

面向密集城区网络的覆盖预测模型的应用研究

在目前密集城区CDMA无线网络日趋复杂的情况下,如何使覆盖预测与网络实际充分拟合,发挥射频仿真工具在网络优化中的作用,是一个十分值得探讨的课题。本文从密集城区的CDMA无线网络入手,分别选取了统计型模型的Okumura-Hata模型和确定性模型的3D射线跟踪模型进行研究,分析了两种模型在密集城区场景下的差异,最终在实践的基础上提出了面向密集城区的覆盖预测模型的选取方案。     

确定性系统的最优自适应控制器

研究了确定性系统的最优自适应控制问题，系统的自适应控制器采用随机投影算法来构造，证明了自适应系统全局稳定，且自适应控制收敛于“一步超前”的最优控制。     

一种新的斜视波束指向SAR信号处理方法

针对斜视波束指向合成孔径雷达(BS-SAR)信号时,存在距离向与方位向的强耦合性及方位频谱的模糊问题,提出了一种基于方位重采样的信号频谱处理方法．线性距离走动校正后对信号频谱进行方位向重新采样,将其完全等效为正侧视合成孔径雷达信号的频谱．针对斜视BS-SAR,将方位重采样与谱分析技术相结合,得到无模糊及方位空变的二维频谱;再采用传统的正侧视BS-SAR算法,实现对场景的聚焦．仿真实验表明,文中方法可以有效应用于斜视BS-SAR的数据处理中．     

高QoE的低时延智能网络数据传输调度算法

面向低时延、稳定传输、高用户体验质量(quality of experience, QoE)的网络实时传输需求场景,提出一种低时延智能网络数据传输调度算法。该算法由数据块排队控制策略和拥塞控制策略两部分组成。数据排队控制策略提出了综合数据块的创建时间和有效时限(effective time)的性价比模型,有效地解决了传输时间约束下的信息传输不均衡问题;拥塞控制策略提出了基于使用耿贝尔分布(Gumbel distribution)采样重参数化与混合经验优先级模型改进后的深度确定性策略梯度(deep deterministic policy gradient, DDPG)方法,解决了深度确定性策略梯度不适用于离散网络动作空间拥塞控制的问题,并通过学习自适应调整发送参数显著提升了网络拥塞控制质量。实验结果表明,实时传输场景下使用本文提出的排队算法能够有效提升QoE,采用改进后的DDPG进行拥塞控制能大幅降低传输时延。同样场景下,将提出的智能网络数据传输调度算法与排队策略及拥塞控制策略相结合,与传统的网络数据传输调度算法相比,能够更好地兼顾低时延和稳定传输,提供更高的数据传输质量。     

土石坝渗流确定分析模型研究

:针对土石坝渗流安全监测中观测项目较少 ,难以分析大坝渗流场的问题 ,通过三维渗流有限元分析 ,分离了大坝坝体、坝基以及两岸岩体的渗流量 ,并建立了基于三维渗流有限元计算的土石坝渗流确定分析模型 .计算实例表明 ,该模型精度较高 .     

基于模糊规划的公路线配车方案优化

在提出模糊数的可能性测度、必要性测度和可信性测度等概念的基础上,建立运输公司利润最大化的模糊规划模型及其确定型等价类.针对乐观型、悲观型和折中型等不同投资态度,研究了运输公司获得最大利润的最优决策方法.数值例子实证了这些模型和求解方法.同已有方法相比,本模型能反映决策者的决策偏好.     

基于遗传算法改进的粒子滤波重采样模型

提出一种基于遗传算法改进的新粒子滤波算法,该算法对于每次迭代计算出的最差粒子并未简单地进行丢弃,而是将这些最差粒子利用生物遗传中的遗传性和变异性将其进行修正。该算法利用最差粒子数据与种群中特殊数据进行交叉变异方法来增强粒子种群中的多样性,从而有利于粒子滤波对机动目标的跟踪;同时保留部分粒子在未来进行唤醒也体现了多样性。该算法更有利于实现粒子滤波在机动目标跟踪的适应性,提高其跟踪效果。