变间距多孔径天线及其相干合并技术

为降低动中通卫星通信天线系统的高度,提出一种可变间距多孔径天线和相干合并方法。根据各孔径天线互不遮挡且无间隙的原则,调整当前天线指向角下的孔径间距,解决固定间距多孔径天线在宽仰角变化范围下性能恶化的问题。在子阵级采用固定延时线补偿大部分孔径间的空间相位差,再用移相器补偿剩余空间相位差,保证不同孔径上信号的有效合并。仿真结果表明,变间距多孔径天线比固定间距具有更稳定的天线性能,其在天线扫描范围内副瓣电平低于-13 dB、增益大于33 dB,经过补偿后的天线瞬时带宽满足通信要求。

基于遗传算法的结构测试数据自动生成

生成测试数据是软件测试的主要过程,将遗传算法引入到测试数据的自动生成中,重点介绍其生成过程,并对遗传操作进行改进,在一定程度上降低算法的过早收敛性,最后构建出基于遗传算法的测试数据生成模型。并用实例证明算法的高效性。

基于模糊聚类非负矩阵分解的软件缺陷预测

为了进一步提高对不平衡软件缺陷数据的预测精度,提出了一种基于模糊聚类非负矩阵分解的缺陷预测方法。该方法首先选取最近邻算法作为不平衡缺陷数据预测的基分类器,然后将非负矩阵分解算法引入软件缺陷预测领域,并提出利用模糊聚类初始化非负矩阵分解算法的思路。该方法一方面解决了最近邻算法处理多属性缺陷数据时计算量大导致性能降低的问题,另一方面克服了非负矩阵分解的随机初始化导致结果陷入局部最优的不足,提高了不平衡软件缺陷数据的预测精度。最后通过两组算例验证了方法的有效性。

不平衡数据的软件缺陷预测方法

数据的不平衡问题是数据分类领域中的一个热点问题。当分类算法处理这些数据时,算法将偏向多数类而忽视少数类。在软件缺陷预测领域,它并没有引起足够的重视,在4组NASA不平衡数据上比较和分析了14种分类算法的性能,为了克服数据的不平衡性,采用SMOTE技术对软件缺陷数据进行平衡化,最后在AUC和F-measure评价指标下对算法进行评估。实验结果表明随机森林算法在4组数据上表现最佳,这为软件缺陷预测提供了很好的参考。

基于度量元的静态软件缺陷预测技术

软件缺陷预测技术是当前软件工程领域的一个热点研究问题。回顾和综述了基于度量元的静态软件缺陷预测技术研究的起源与国内外最新进展动态,并对常用缺陷预测技术的评价指标进行对比和分析,指出其优缺点和适用范围。最后对静态软件缺陷预测技术的可能发展方向进行预测。

软件缺陷预测中基于Wrapper的特征选择方法

特征选择是提高软件缺陷预测精度的关键步骤之一。传统的软件缺陷预测过程主要基于Filter方式进行特征选择,基于Wrapper特征选择方法的研究还处于起步阶段。为了进一步研究Wrapper式特征选择方法在软件缺陷预测中的应用情况,将特征选择和缺陷预测过程相融合,结合不同的评价指标,设计了8种基于Wrapper式特征选择的缺陷预测方法。在这些方法中,首先选择4种常用的缺陷预测算法分别作为内部与外部分类器,然后在AUC和F-measure指标下选择特征子集,在AUC指标下评估预测结果。仿真结果表明,内部分类器和外部分类器均选择为RF时,软件缺陷预测精度最佳,NB次之,但是RF耗费时间较多,综合考虑精度与效率,推荐内外分类器均采用NB算法。

基于密集度量元的近邻传播聚类算法

聚类是数据挖掘领域中发现数据隐含模式的有效方法之一.针对传统近邻传播聚类算法中采用欧式距离表示数据相似度,不能有效处理复杂结构数据的不足,提出了一种基于密集度量元的近邻传播聚类算法.该算法首先引入密度的思想,然后在近邻传播算法的框架下定义密度因子,设计新的空间一致性距离测度类欧式距离,构造基于密度敏感的相似性度量元,提高了传统算法处理复杂结构数据的性能.最后通过仿真实验验证了该算法的有效性.

基于TEmb的嵌入式系统结构化测试研究

目的:研究嵌入式软件测试,保证软件质量。方法:结合实例(某通信设备)分析研究嵌入式系统结构测试。结果:研究一种新的嵌入式系统测试方法——TEmb。结论:该方法为嵌入式软件结构测试研究提供了一种很好的参考的方法。

面向多路径覆盖的测试数据生成方法

为了解决装备软件回归测试中测试数据的快速生成问题,提出了一种面向多路径覆盖的测试数据生成方法。该方法首先对遗传操作进行改进,然后设计覆盖多条路径的适应度函数,实现了算法的一次运行覆盖多条目的路径,提高了测试数据的覆盖率。在三角形分类经典程序和实际的装备软件模块上进行实例验证,仿真结果表明了该算法优于传统方法,是一种高效的面向多路径覆盖的测试数据生成方法。

基于超欧氏距离近邻传播的软件缺陷预测方法

为了进一步提高无标志软件缺陷数据预测的精度,提出了一种基于超欧氏距离近邻传播的软件缺陷预测方法。在近邻传播算法中引入密度思想,定义了密度因子和超欧氏距离测度概念,设计了密度敏感相似度度量元(即密集度量元),解决了传统近邻传播算法采用欧氏距离表示数据相似度难以有效处理复杂结构数据的不足。该方法应用于无标志软件缺陷数据的预测,并通过三组航空航天软件数据仿真验证了该方法的有效性,提高了无标志软件缺陷数据预测的精度,为无标志软件缺陷预测提供了一种新的思路。

部队财会人员信息管理系统的研发与关键技术应用研究

为了解决传统部队财会人员信息管理手段单一,效率低下等不足,设计开发了一套基于Web技术的部队财会人员信息管理系统。首先分析当前部队财会人员信息管理的现状并指出存在的问题,然后进行详细的需求分析,总体结构设计、功能结构设计和数据库设计,并给出了系统的部分实现界面以及应用的关键技术。该原型系统已经部署上线,试运行结果表明该系统大大提高了部队财会人员信息管理的效率(约50%)。结论:该系统的研发实现了对部队财会人员信息网络化管理,为财会人员选拔、晋升、人才队伍结构分析与建设提供了科学依据。

基于组织协同进化的软件缺陷预测方法

针对传统有标识软件度量元数据存在软件缺陷预测精度低的问题,首先对比选择合适的离散化方法,然后将组织协同进化分类算法引入并应用到航天软件缺陷预测领域,给出了一种基于组织协同进化的软件缺陷预测方法。该方法根据预测目标将离散后的软件度量元数据划分为不同种群,在各种群内部形成进化个体(组织)。组织在增减算子、交换算子、合并算子和组织选择机制的作用下不断进化,并基于属性重要度协同进化的方式进行适应度函数的计算,实现了有标识软件度量元数据缺陷预测精度的提高。最后通过两组仿真实验,验证了基于组织协同进化航天软件缺陷预测方法的有效性。

宽带移动卫星通信低成本组合姿态确定算法

针对现有低成本微机械惯性器件无法满足宽带移动卫星通信系统在机动状态下天线指向精度的问题,提出了微机械惯性测量单元与闭环跟踪信息相结合的姿态确定算法.该算法在航向上引入闭环跟踪的指向偏差角,经PI控制器反向校正航向陀螺的漂移误差,并利用跟踪指向信息的低频分量和陀螺的高频分量估计航向角.在横滚和俯仰上,首先以改进欧拉角作为状态向量,根据陀螺角速率信息和加速度计的重力场信息分别建立状态方程和测量方程;然后依据航向角速率和俯仰角偏差对载体运动状态进行判别,并在载体机动下调整方差矩阵以依赖陀螺进行姿态估计,克服机动加速度的扰动.实验结果表明,该算法与自适应卡尔曼滤波器相比,在载体机动状态下精度更高,其航向估计精度在±0.8°,倾角在±0.5°内,满足动中通姿态稳定精度要求.

模糊逻辑提升小波在惯性传感器去噪中的应用

针对传统小波在惯性传感器去噪中存在计算复杂和分解层数固定的问题,提出一种基于模糊逻辑的提升小波阈值去噪方法。该方法首先利用模糊逻辑判断载体当前的运动状态,并根据先验知识确定该状态下的信号带宽;然后依据小波分解层数与截止频率间的对应关系,选择惯性传感器各个轴向的分解层数;最后在提升小波框架下对信号做离散小波变换,并对各层系数进行阈值去噪。实验结果表明,该方法可以对运动状态进行正确判别,与固定层数的传统小波相比,具有更好的降噪效果和更快的处理速度。

一种嵌入式系统中软硬件故障的划分方法

软硬件故障是嵌入式系统可靠性的关键问题之一,如何划分软硬件故障对于整个系统的可靠性研究来说是至关重要的,也是最基本的一步。给出了软硬件故障的基本定义,并与单纯的软件故障和单纯的硬件故障进行了对比,总结了软硬件故障的基本特点。在此基础上,归纳了几条软硬件故障的划分原则,提出了一种软硬件故障的划分流程,并通过形式化方法对某装备的具体软硬件故障进行了划分,为进一步的研究提供了有力的依据。

软件密集型装备中软硬件故障诊断模型的建立

基于软件密集型装备,论文分析了软硬件故障表征及症状,给出了其数学描述,并在此基础上提出了一种软硬件故障诊断模型,给出了其故障诊断过程。

软件密集型装备故障的静态检测

软件密集型装备是指软件和硬件紧密结合的装备,软件密集型装备中的故障多由软件与硬件相互作用引发。本文对程序流程违反硬件工作时序引起的故障进行了分析,并建立了故障模型,提出了一种静态故障检测方法,该方法通过对程序控制流进行分析,以检测程序流程是否违反硬件工作时序。

基于混沌免疫谱聚类的软件缺陷预测①

为提高无标识软件缺陷预测的准确性，提出一种谱聚类与混沌免疫相结合的软件缺陷预测方法。该方法首先将谱聚类算法引入到软件缺陷预测领域中，然后针对谱聚类算法中K-Means局部收敛的缺点，用一种混沌免疫聚类算法来替换K-Means算法。同时，在免疫克隆选择算法的框架下，借鉴混沌和免疫理论，设计免疫克隆聚类适应度函数计算方法，并给出分层混沌变异算子，以实现种群多样性的增加，促进无标识软件缺陷数据预测精度的提高。在Iris和3组商业软件模块数据集上进行了仿真实验，实验结果验证了该方法的有效性。

基于加性超球体平方根UKF算法的无人机姿态确定

针对无迹卡尔曼滤波（UKF）计算量大的问题，提出一种加性超球体平方根UKF算法，即ASSRUKF算法。该算法通过引入加性非扩展形式减少状态维数，并采用超球体单形采样减少采样点的数量，有效降低了算法计算量；同时采用协方差阵的平方根代替协方差阵参加递推运算，以提高滤波算法的计算效率和数值稳定性。建立了加性噪声下基于微机械惯性测量单元和磁强计的无人机姿态模型，并采用ASSRUKF算法进行姿态估计。仿真结果表明，本算法的精度与UKF相当，而执行时间仅为UKF的36．8％，有效降低了算法的计算复杂度。

基于VC++的数据流分析方法

数据流分析在编译系统的代码优化、软件故障检测以及程序切片中都起着非常关键的作用。本文介绍了数据流分析方法的基本概念和基本原理,介绍了数据流方程的到达-定义迭代算法,并提出了一种利用VC++工具实现数据流方程求解的方法。