广义相关时延估计算法在汽车去噪系统中的应用

针对汽车环境中麦克风阵列语音去噪系统的应用,对广义相关时延估计方法进行了仿真,并与基于高阶累积量的时延估计方法作了比较分析.给出了两种方法在不同信号模型中的仿真结果,结果表明:广义相关法时延估计更适用于汽车去噪系统.     

基于奇异值分解的广义互相关时延估计

广义互相关法是TDOA时延估计中的一种经典方法,为了进一步提升广义互相关时延估计算法在低信噪比下的时延估值准确度,在广义互相关法的基础上,对接收到的信号进行奇异值分解,提升信号的信噪比.仿真结果表明,基于奇异值分解的广义互相关时延估计算法极大地提升了时延估计精度,具有明显的性能优势.     

基于广义互相关和多项式拟合的TDOA时延估计方法

广义互相关方法在TDOA时延估计中具有较高的精度和程序容易实现等优点而被广泛采用.为进一步提高时延的估算精度,在广义互相关的基础上,融入多项式拟合方法,寻求广义互相关函数的精确峰值位置,将时延估计精度推进到亚采样点级别.通过Matlab仿真分析及实测数据的算法验证,结果表明,在广义互相关方法中融入多项式拟合方法,能大大提高时延估计精度,且算法复杂度低,易于工程实现.     

基于BP神经网络拟合的二次相关时延估计

在TDOA无源时差定位中,外界噪声对定位时延估值精度的影响很大.二次相关时延估计算法虽然具有良好的抗噪能力,但随着信噪比的降低,抗噪性也会下降.将BP神经网络引入二次相关时延估计,基于BP神经网络拟合二次相关时域函数曲线,以提升二次相关时延估计的准确度.仿真结果表明,基于BP神经网络拟合的二次相关时延估计算法在低信噪比条件下具有较高的时延估值精度.     

插值方法在TDOA估计中的研究与应用

TDOA时延估计中,互相关法是最经典方法之一,其所能估计时延的最大精度为系统采样周期.为了将估算精度推进到亚采样周期级别,对原始信号数据进行点内插值预处理,通过算法间接实现提高系统采样率,在此基础上,运用广义互相关及多项式拟合对时延进行估计,尝试提升时延估计的最大精度.通过Matlab仿真及实测数据分析,结果表明,在数据预处理中进行插值处理,可大大提升时延估算精度,时延估算累计误差能够明显收敛,且该算法复杂度低,易于投入工程实测中使用.     

基于小波包去噪的周界入侵定位算法

针对非对称双马赫-曾德干涉型光纤传感的周界安防系统远距离定位受环境噪声影响大的问题,提出基于改进的小波包去噪和互相关运算的定位算法.首先,根据小波包分解系数的频率高低采用多阈值法则以避免过阈值处理;其次,采用基于三次Hermite插值的新阈值函数以弥补传统软硬阈值的缺点,并以此提高入侵信号的信噪比;最后,采用基于互相关运算的时延估计以得到外界入侵行为的识别定位.仿真实验表明,当光纤总长为75 km、采样频率为10 MHz时的定位精度为±7 m,说明该算法大大提高了系统外界入侵定位精度.     

基于参数修正灰色模型的时延估计

针对网络时延的估计问题,提出了基于参数修正灰色模型的时延预测方法.首先,建立传统灰色时延预测模型,将网络时延看成是一个非平稳的随机时间序列;通过传统灰色预测方法对参数α和u进行计算,并依据修正方法在线调整两个模型参数,进而通过修正处理的参数重新建立灰色预测模型,来提高时延的预测精度.仿真结果表明了该算法具有很好的预测精度和实时性.     

基于三次相关的时延估计算法

针对无源定位中时延估计在低信噪比时估值准确度低的问题,在研究传统互相关法及自相关性质的基础上,提出了一种基于三次相关的时延估计算法.算法以传统互相关法为基础,利用两路输入信号的自相关功率谱函数与传统互相关功率谱函数做互相关,使三次相关功率谱函数中信号频点处的幅值呈现指数倍增长,进而弱化与其他细小尖峰幅值间的关系,达到时延估计取值所需要的互相关功率谱函数的理想效果.实验结果表明,与传统互相关及二次相关法相比,基于三次相关的时延估计算法在信噪比较低的条件下可以得到更为准确的时延值.     

无衍射光三角测量信号的小波去噪处理

提出将小波分析法用于无衍射光三角测量系统的信号去噪处理,以提高系统的测量精度及速度,使系统的优良特性能育分实现。描述了应用小波分析法的理论依据,给出了仿真及实验结果,并与主成分分析法的去噪效果进行了比较。     

广义相关时延估计方法在神经系统损伤检测中的应用

应用广义相关时间延迟估计方法，经由诱发电位潜伏期变化的测定，分析研究了撞击加速度和缺窒息实验条件下中枢时间系统的损伤问题。计算机模拟和诱发电位信号分析表明，当神经系统发生损伤时，诱发电位的潜伏期会出现显的变化，这种化可以由广义相关时间延迟估计方法而有效测定。     

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。     

Improved Parallel Three-List Algorithm for the Knapsack Problem without Memory Conflicts

Based on the two-list algorithm and the parallel three-list algorithm, an improved parallel three-list algorithm for knapsack problem is proposed, in which the method of divide and conquer, and parallel merging without memory conflicts are adopted. To find a solution for the n-element knapsack problem, the proposed algorithm needs O（2^3n/8） time when O（2^3n/8） shared memory units and O（2^n/4） processors are available. The comparisons between the proposed algorithm and 10 existing algorithms show that the improved parallel three-fist algorithm is the first exclusive-read exclusive-write （EREW） parallel algorithm that can solve the knapsack instances in less than O（2^n/2） time when the available hardware resource is smaller than O（2^n/2） , and hence is an improved result over the past researches.     

基于OpenMP的并行遗传算法求解SAT问题

为了提高SAT （boolean satisfiability） 问题求解效率,在OpenMP （open multi-processing） 编程框架下,将遗传算法与局部搜索算法结合,改进了混合遗传算法中的选择算法,将原有选择操作的时间复杂度降低到O(N)级别. 算法采用OpenMP中的编译制导语句#pragma omp parallel粗粒度并行化驱动混合遗传算法,采用#pragma omp single语句块实现了子种群间个体的同步迁移操作. 与同类算法HCGA （hybrid cloud genetic algorithm）比较分析表明:改进算法HGA （hybrid genetic algorithm）以及并行后的混合遗传算法CGPHGA （coarse-grained parallel hybrid genetic algorithm）在求解成功率和求解效率上都有显著提高,部分问题求解成功率提高达5倍.      

维格纳-威利分布算法研究及应用

介绍了一种利用FFT计算维格纳－威利（WVD）的算法。针对WVD二次时频分布数值计算的复杂性和计算量大的特点，提出了一种抽样算法。它在不改变采样频率的情况下，增加了处理数据的长度。在同样数据长度下，大大缩短计算时间。并用该算法对时变正弦信号和处理铁窗关闭声进行了时频联合分析，得到了满意的效果。     

大规模训练集的快速缩减

为了进一步减少支持向量机的训练时间,提出了一种基于类别质心的训练集缩减算法.该算法根据样本的几何分布去除训练集中大部分非支持向量.对样本规模在104数量级的数据集进行了训练实验,结果显示,在基本不损失分类精度的情况下,训练时间比直接用SMO(序贯最小优化)算法减少30%,说明该算法能有效地提高支持向量机的训练速度.     

单车场集送一体化车辆路径问题及其混合算法研究

针对物流配送中的单车场集送一体化车辆调度问题提出了基于禁忌规则的模拟退火算法.采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束.算法在状态生成函数中利用3种邻域扩大抽样范围;根据问题的特点,在模拟退火算法抽样过程中加入了禁忌规则.介绍了算法的原理,应用算法求解了多个有代表意义的问题实例.对算例结果进行分析表明,该算法可以有效地求得有里程和时间窗约束的单车场集送一体化车辆调度问题的优化解.     

Robust buffer management mechanism in quality of service routers

Active queue management (AQM) is essentially a router buffer management strategy supporting TCP congestion control. Since existing AQM schemes exhibit poor performance and even instability in time delay uncertain networks, a robust buffer management (RBM) mechanism is proposed to guarantee the quality of service (QoS). RBM consists of a Smith predictor and two independent controllers. The Smith predictor is used to compensate for the round trip time (RTT) delay and to restrain its negative influence on network performance. The main feedback controller and the disturbance rejection controller are designed as proportional-integral (PI) controller and proportional (P) controller by internal model control (IMC) and frequency-domain analysis respectively. By simulation experiments in Netwrok-Simulator-2 (NS2), it is demonstrated that RBM can effectively manage the buffer occupation around the target value against time delay and system disturbance. Compared with delay compensation-AQM algorithm (DC-AQM), proportional-integral-derivative (PID) algorithm and random exponential marking (REM) algorithm, the RBM scheme exhibits the superiority in terms of stability, responsiveness and robustness.     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

基于GBAS的公交路径选择仿真系统研究

通过对公交系统进行网络描述,提出以换乘次数最少为首要优化目标,以公交出行距离最短为第二优化目标的基于GBAS(基于图的蚁群系统)的公交出行路径选择算法.同时,以该算法为核心研发一套仿真系统对算法有效性进行验证,亦具有一定的应用参考价值.