Application of frequency estimation algorithm based on a single vector sensor in underwater acoustic communication

1 Introduction1 An acoustic vector sensor (AVS) simultaneously measures the acoustic pressure and the components of acoustic particle velocity which render the basis for developing new signal processing methods[1-2]. The higher processing gain can be obta…     

Min-norm spatial spectrum based on acoustic vector-sensor linear array

1 Introduction1 The Min-Norm(MN) algorithm was proposed by Kumaresan and Tufts[1] for estimating the DOA of targets applied at pressure sensor arrays. It has been proved that lower bias and higher resolution of DOA estimation using the MN algorithm is obt…     

卫星罗经组成原理探讨

介绍卫星罗经的基本概念,分析卫星罗经的组成原理及设计思路,说明了卫星罗经的系统结构和主要技术及其算法,给出了卫星罗经实现方法和主要技术参数.     

基于改进BP算法的混凝土热学参数反演与预测

针对实验室测得混凝土热学参数结果的随机性和施工现场环境的差异性,提出了基于改进BP算法的大体积混凝土热学参数反分析方法.以太洪长江大桥南岸隧道锚大体积混凝土施工为工程实例,反演了绝热温升、反应速率、导热系数及表面散热系数,采用反演分析得到热学参数进行温度场预测并用于指导施工.研究结果表明:采用均匀设计方法确定热学参数减...     

地铁自动检票机故障分析及可靠性研究

考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。     

考虑车辆限行和装箱约束的车辆路径优化方法

在实际配送过程中,考虑到部分城市道路存在限制大型配送车辆通行的现状,以及运输途中车厢内物品满足后进先出等装载约束能有效提高装卸效率的特点,将车辆限行和二维装箱约束加入到需求可拆分车辆路径问题中.同时考虑到车辆的使用成本和行驶成本,以车辆总配送成本最小为目标构建考虑车辆限行和二维装箱约束的需求可拆分车辆路径问题数学模型,...     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法.首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息...     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500(18%的初始样本量),150(5%的初始样本量)...     

基于组合赋权-改进TOPSIS法的城市慢行三网融合评价方法

为解决城市绿道、滨水道路、市政慢行道路等城市慢行系统相互独立、衔接不畅的问题,针对现有研究缺乏三网融合水平评价的现状,研究了基于组合赋权-改进TOPSIS模型的三网融合评价方法。传统的TOPSIS法采用理想解计算贴近度,没有考虑到异常值与实际情况,故运用基于高斯分布的离群点检测法处理极端异常值,建立了1个综合考虑三网融合水平的评价模型。以往路网评价通常是针对单个对象进行研究,而未考虑多个对象融合情况,因此在构建评价指标体系的过程中,根据三网融合因素、慢行道路网络出行特点、居民出行便利性等,并结合实地调查,选取网络连通性、可达性等相关的13个指标。为了避免单一赋权产生的偏重性,本文建立权重组合优化模型使层次分析法和熵权法确定的主客观权重与组合权重的偏离程度最小。本研究以朝阳区慢行系统网络为例进行验证分析,根据位置和功能,将其分成21个绿道段,得到21个评价对象的三网融合情况和综合排名。结果表明：相较于以往的慢行评价方法和经典的评价方法,该改进模型贴近度标准差为0.278,具有更好的区分度,能够更准确地识别影响三网融合程度的主要因素,并根据各个指标权重做出针对性的优化工作。该评价方法可作为...     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...