深海多波束系统、深拖系统及合成孔径声呐系统的技术性能对比

研究了深海多波束系统、深拖系统及合成孔径声呐系统的结构、原理及作业技术方式,并对各系统进行了技术对比,总结了各探测系统的技术优势,提出了三种系统合理的联合作业方式.     

基于区域分解算法的非均匀介质的反分析计算

提出了一种基于区域分解算法的非均匀介质反分析计算格式，使其能够将敏度矩阵的计算仅限于单介质区域，使反分析的计算和收敛稳定性有了较大的提高。     

基于多层B样条插值的干涉合成孔径声纳配准偏移量插值算法

针对干涉合成孔径声纳对配准精度要求较高而局部配准偏移量相差比较大的问题,提出采用多层B样条曲面插值实现配准偏移量的插值,既保证配准偏移量的插值精度,又能保证拟合曲面的光滑性。采用仿真数据和实际干涉合成孔径声纳数据验证了算法的性能,结果表明,提出的插值算法能有效提高插值精度和图像的相干系数,且能达到实时处理要求。     

基于四元数的声压振速联合方位估计算法

常规MUSIC波达方向估计算法的缺点是不能处理相干信号.针对这一情况,文中引入了四元数理论,建立了二维矢量水听器的四元数输出模型,并在此基础上提出了一种声矢量阵声压振速联合方位估计算法.与常规MUSIC方位估计算法相比,该算法利用了四元数紧凑的数据表达形式和较强的正交性约束能力,降低了内存需求和运算复杂度,在不经过任何预处理的情况下可以分辨相干目标.同时,由于利用了声压振速的组合指向特性,算法抗各向同性干扰的能力较强.仿真实验证明了算法的有效性.     

无约束优化问题的非单调自适应信赖域算法

对无约束优化问题提出一种非单调自适应信赖域算法,每次迭代充分利用当前的迭代点包含的一次导数的信息自动产生一个信赖域半径．在一定的条件下,证明了该算法的收敛性,并通过数值实验验证了该算法的有效．     

基于DFT的非采样间隔信道OFDM系统信道估计

提出了一种改进的基于DFT的系统信道估计方法．该方法充分考虑了非采样间隔信道的冲激响应能量泄漏问题．通过计算能量增长率选择保留路径,实现了基于DFT的非采样间隔信道OFDM系统信道估计．仂真结果表明,改进算法的均方误差（MSE）及误码率（SER）介于传统的LS估计及MMSE估计之间．在信噪比为15dB时,改进算法的MSE相对LS估计有3．5dB的改善．     

毫米级遥感技术在高速公路监测技术中的应用

以山西吕梁环城高速公路为对象,运用毫米级遥感技术(PS-InSAR)研究了公路路段湿陷性黄土区域地表形变现状。为公路安全运营和重点区域监测提供指导,保障行车安全,同时提升了高速公路沿线地质灾害调查和防治的专业技术水平,为高速公路综合调查提供技术方法保障。     

网络控制系统的变采样周期调度算法

综合考虑网络控制系统的误差、误差变化率、网络利用率及采样周期对系统性能的影响,设计了一种基于模糊反馈的变采样周期调度算法．该算法由网络利用率预测和采样周期调节两部分组成：网络利用率预测部分根据当前网络运行状况预测新的网络利用率;采样周期调节部分包含网络利用率分配和采样周期的计算．采样周期调节部分的网络利用率分配,用于重新分配各控制回路的网络利用率,分配时考虑系统各回路的误差和误差变化率,利用模糊控制理论调整各回路对网络的需求程度,完成分配;而采样周期计算是根据所得的网络利用率及数据的传输时间,动态调节系统各回路的采样周期．最后,结合EDF调度算法利用TrueTime工具箱对所研究的调度算法进行了仿真,结果表明采用本文所研究的变采样周期调度算法的控制系统性能要优于采用固定采样周期调度算法的控制系统性能．     

影响重轨INSAR地表微量形变监测精度的误差分析

针对国内外越来越热的利用重复轨道合成孔径雷达干涉测量（INSAR）技术来监测形变量较小或形变范围较小的地表形变的应用需求,本文针对影响重轨INSAR地表微量形变监测精度的多个误差因素进行了分析,并对在利用INSAR监测地表微量形变应用中,如何削弱这些误差因素的影响给出了相应的方法。     

一种新的双种群PSO-DE混合算法

给出一种新的粒子群算法和差分进化算法相结合的混合算法.该算法基于一种双种群进化策略,其中一个种群由粒子群算法进化,另一种群由差分进化算法进化.此外,采用一种信息分享机制,在算法的进化过程中2个种群中的个体可以实现协同进化.为了进一步提高混合算法的性能,在差分进化算法中融入一种线性递减加权策略的变异操作和指数递增交叉概率算子.通过4个标准测试函数的测试结果表明文中提出的混合算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法.     

约束优化问题的多参量遗传算法

约束优化问题的传统求解方法是拉格朗日乘子法，函数的可导性和多峰性常常成为求解过程中的难题。遗传算法的并行搜索为这类问题的求解提供了一种新的途径。为了提高计算效率，有学者提出用两级遗传算法分别解决拉格朗日乘子入及优化参数的求解问题。用多参量遗传算法可以同时解决两级优化的遗传算法，把分级优化的参数同时编码，就把两级优化转化为一级优化。经试验该算法虽不能使优化算法的计算时间大大降低，却可以使程序设计工作相对简化，同时使遗传算法程序更具通用性。     

一种复杂背景下图像匹配的快速算法

图像匹配的关键是时效性和准确性，同时也是判定算法优秀与否的垂要标准。传统的基于灰度值的点与点之间做相关运算的算法虽然直接，精确度也较高．但是由于其搜索过程要遍历整幅图片．特别当图片为数据巨大的航空图片时，其花费的时间是巨大的．这不符台时效性的要求。Hausdorff距离是测量两个点集之间匹配程度的一种度量，在计算时不需要建立两个点集中点与点之间的对应关系，只需求得两幅图中相接近点的个数。采用部分Hausdorff距离定义．对目标有噪声影响的’隋况有较好的处理效果。采用Canny算子对图片提取边缘，得到图像中目标的边缘信息。仅利用边缘信息分析计算，而避免采用整幅图片的数据．大大缩短了计算时间。通过对多幅光学图片进行检测，表明基于Hausdorff距离的综台匹配方法是有效的。     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

基于Monte Carlo抽样方法的随机离散化在分组数据中的应用

对一种基于Monte Carlo抽样方法的随机离散化做了改进,并将改进后方法应用于分组数据的统计推断中,用来计算未知参数的近似极大似然估计和区间估计．改进后的方法弥补了原方法有时不能满足Sn（f）≈S（f）的缺点．该方法思想简单,易于执行,并且是非迭代,任意维的．所以,通过实例模拟,还可以看出该方法运行速度快,远优于Gibbs抽样、EM算法等其它几种方法．而且运算结果精度高,尤其表现在未知参数的区间估计上．因此提供了一种计算未知参数估计的简单方法．     

基于Monte Carlo抽样方法的随机离散化在分组数据中的应用

对一种基于Monte Carlo抽样方法的随机离散化做了改进,并将改进后方法应用于分组数据的统计推断中,用来计算未知参数的近似极大似然估计和区间估计.改进后的方法弥补了原方法有时不能满足Sn(f)≈S(f)的缺点.该方法思想简单,易于执行,并且是非迭代,任意维的.所以,通过实例模拟,还可以看出该方法运行速度快,远优于Gibbs抽样、EM算法等其它几种方法.而且运算结果精度高,尤其表现在未知参数的区间估计上.因此提供了一种计算未知参数估计的简单方法.