VDE-TER信道中基于先验修正因子的Turbo码译码改进算法

甚高频数据交换系统是国际海事组织主导e-航海战略中的主要通信方式之一。其中,VDE-TER业务根据物理信道特性划分了多种业务逻辑信道。为保证VDE-TER信道传输质量前提下提升数据传输效率,本文在深入分析VDE-TER不同业务逻辑信道下Turbo编译码算法基础上,提出了一种基于先验修正因子的Max-Log-Map改进算法。该算法针对VDE-TER不同业务逻辑信道Turbo编码特性,通过仿真和实际物理信道大样本性能测试,实现了VDE-TER特定逻辑信道的最优修正因子值确定。结果表明,加入修正因子的译码算法与传统译码算法相比,性能提升0.6~0.8 dB增益,为高性能VDES产品研制奠定了理论技术基础。

跳跃跟踪SSA交叉迭代AP聚类算法

针对传统近邻传播聚类算法以数据点对之间的相似度作为输入度量,由于需要预设偏向参数p和阻尼系数λ,算法精度无法精确控制的问题,提出了一种跳跃跟踪麻雀搜索算法优化的交叉迭代近邻传播聚类方法.首先,针对麻雀搜索算法中发现者和加入者位置更新不足的问题,设计了一种跳跃跟踪优化策略,通过考虑偏好阻尼因子的跳跃策略设计大步长更新发现者,增加麻雀搜索算法的全局勘探能力和寻优速度,加入者设计动态小步长跟踪领头雀更新位置,同时,利用自适应种群划分机制更新发现者和加入者的比重,增加算法的后期局部开发能力和寻优速度;其次,设计基于扰动因子的Tent映射,在此基础上增加3个参数,使映射分布范围增大,并避免了陷入小周期点和不稳周期点;最后,引入轮廓系数作为评价函数,跳跃跟踪麻雀搜索算法自动寻找较优的p和λ,代替手动输入参数,并融合基于扰动因子的Tent映射优化近邻传播算法,交叉迭代确定最优簇数.使用多种算法聚类University of California Irvine数据集的10种公共数据集,仿真结果表明,本文提出的聚类算法与经典近邻传播算法、基于差分改进的仿射传播聚类算法、基于麻雀搜索算法优化的近邻传播聚类算法和进化近邻传播算法相比具有更优的搜索效率以及聚类精度.对国家信息数据进行了聚类分析,提出的方法更加准确有效合理,具有较好的应用价值.

基于随机森林和粒子群算法(RF-PSO)的泸州区块页岩气压裂施工参数优化

为了充分认识四川盆地南部地区泸州区块深层页岩气主体压裂施工参数的适应性,为其深层页岩气压裂施工参数的进一步优化提供参考,以该区块80口页岩气生产井为研究对象,结合储层静态物性参数,分析了各因素与前三个月累计产量的相关性,并利用随机森林算法建立产能预测模型,再以区块地质参数均值作为基准指标,通过粒子群算法,寻找模型最优产量的压裂施工参数组合。研究结果表明:①与前期产量相关性最高的三个参数分别是:含气量、脆性矿物含量、用液强度;②有机碳含量、水平应力差、用液强度、液体携砂效率、平均簇间距是影响模型前三个月累计产量的主要影响因素;③模型给出的最优压裂施工参数组合中,平均段长、平均每段孔数和目前的设计情况较为一致,模型其余最优参数:施工排量15.6m^(3)/min、用液强度35m^(3)/m,加砂强度3.52t/m,簇间距7.3m,液体携砂效率11t/100m^(3),40/70支撑剂比例54%。结论认为:①泸州区块压裂施工参数优化方向主要是“控排量、提液量、增砂量、缩短簇间距、提高液体携砂效率及40/70支撑剂比例”;②给出了最优压裂施工参数组合,可以为泸州区块深层页岩气压裂方案设计提供借鉴和参考。

基于强化学习的水下高速航行体纵向运动控制研究

水下高速航行体由于空泡特性导致其数学模型存在强非线性和强不确定性,经典控制方法如线性二次型调节控制(linear quadratic regulator, LQR)、切换控制等很难实现有效控制。针对水下高速航行体模型难以准确解耦或线性化处理;经典控制方法难以充分考虑水下环境复杂多变性以及在应对扰动时控制器可能会出现过饱和现象的问题,采用智能控制中的强化学习算法,使用在不基于准确模型的条件下与环境不断探索与交互得到控制策略的策略,完成了深度确定性策略梯度(deep deterministic policy gradient,DDPG)智能体控制器的设计。实验结果证明,设计的控制器能够保证水下高速航行体纵向运动的稳定控制,在执行器不超过饱和范围内能够应对扰动并完成下潜控制任务,具有较强的鲁棒性和更好的适应性。

GPS连续站水平位置时间序列共模白噪声识别与估计的欧拉-滤波法

根据GPS误差的特征,以天津地区连续观测资料为例,提出了在局域空间尺度上采用欧拉-滤波法来识别与估计共模误差,结果表明:GPS连续站水平向时序观测资料包含着非常明显的共模误差;综合利用欧拉-滤波法可以对共模误差中的白噪声做出较有效的估计;测站的综合白噪声、共模白噪声、测站自身白噪声大小的统计比例约为2.0∶1.7∶1.0。通过对观测值的修正,信噪比可提高1倍。

基于遗传算法的费托合成反应动力学模型参数优化

详细动力学模型是费托合成反应技术从实验室走向工业化过程中最关键的基础研究项目之一。目前对动力学模型的参数估算仍然停留在传统的LM算法上 ,LM算法属于无约束方法 ,在计算中容易因参数越界而使计算失败 ,计算结果强烈依赖于初值 ,且容易陷于局部最优。运用遗传算法来解决费托合成反应详细动力学模型的参数优化问题 ,是一种全新的尝试 ,通过系统的实验我们获得了比较满意的参数估算结果 ,证明该算法用于解决动力学模型参数优化是非常有效的。

一种文化鱼群算法及其在电机参数辨识中的应用

针对基本鱼群算法盲目搜索的问题,提出一种新的基于知识的带变异算子的人工鱼群算法。利用文化算法的框架,将鱼群算法嵌入到种群空间当中,构造适用于文化鱼群算法的新的影响函数。同时应用信念空间中的规范知识和情境知识通过影响函数指导人工鱼群算法中的进化步长和方向。通过高维多峰函数检验新算法的性能,最后将新算法应用于一台内置有执行器的鼠笼电机系统的参数辨识问题,得到了参数化的执行器-转子模型。仿真结果表明新算法与基本鱼群算法相比性能显著提高,并且能够有效地解决工程优化问题。

一种低仰角对流层折射修正的新方法

大气折射效应引起电波传播延迟和路径弯曲,测量数据对流层折射修正的精度直接影响到飞行目标轨(弹)道确定的精度。考虑到对流层折射修正的精度和效率以及5°以下低仰角数据传统修正方法具有较大的误差,通常不对测量数据进行实时对流层折射修正,这使得实时定位的精度受到较大影响。文中提出了一种基于光电传播几何路径迭代的对流层折射修正新方法,解决了修正精度和实时性不能兼顾的问题。经大量无人机校飞和载人航天工程外场实测数据验证,该算法能够实时有效地消除低仰角对流层折射偏差,对高仰角测量数据的对流层折射修正亦具有较高的精度。

基于距离多普勒概念的全息雷达成像算法

全息雷达成像系统具有电离辐射小、穿透衣服等优点,在人体安检等领域具有广泛的应用前景.然而,现有系统尚存在多运动目标补偿及快速成像能力不足的问题,限制了其在火车站等人流量大的场景中的应用.本文提出了一种基于距离多普勒概念的全息雷达成像方法,其优点是成像速度快、运动补偿方便,具有多运动目标快速成像的潜力.该方法利用了信号在时间采样和空间采样上的对称性,将合成孔径雷达成像中常用的距离多普勒算法引入全息雷达成像.本文对距离多普勒全息雷达成像算法进行了推导,通过仿真及试验,验证了该成像方法具有多目标运动补偿及快速成像的能力.

多级嵌套维纳滤波降秩的空时自适应处理器

该文将空时处理技术与降秩理论结合应用,利用多级嵌套维纳滤波降秩空时自适应处理.这种设计的效果是阵的自由度大大增加,抗干扰能力有质的提高,而计算量仍维持很低水平,收敛速度不受影响。仿真试验用于验证空时处理使阵列自由度提高,具有在宽带内处理干扰的能力,同时还表明多级嵌套维纳滤波在很低的秩下就有近似满秩的MSE性能,充分证实了低秩抗干扰自适应处理器的设计合理性。

基于优化神经网络的短期电力负荷预测

研究短期电力负荷预测问题,短期电力负荷具有时变性、不确定性、非线性等特点,传统的线性预测方法无法正确描述短期电力负荷准确预测的变化规律,且神经网络存在局部极小值、过拟合、泛化能力不强等缺陷,预测精度比较低。为了提高短期电力负荷预测精度,提出了一种变参数量子粒子群(VPQPSO)算法优化BP神经网络的短期负荷预测模型(VPQPSO-BPNN)。首先变参数量子粒子群算法优化BP神经网络参数,然后采用优化的BP神经网络对短期电力负荷预测的非线性变化规律进行建模,最后采用对某地区短期电力负荷数据进行仿真。仿真结果表明,VPQPSO解决了BP神经网络存在的难题,提高了短期电力负荷的预测精度,减少了预测误差。

一种基于人工萤火虫群优化的改进粒子滤波算法

针对传统粒子滤波算法中存在的粒子多样性丧失问题,提出一种基于人工萤火虫群优化的改进粒子滤波算法。该算法利用人工萤火虫群算法优化粒子滤波的重采样过程,按照权值的蜕化程度对样本集进行分层,通过转移概率将权值蜕化子集——映射到高似然区域。根据优化阈值条件,将低权值粒子集分为抛弃组和优化组,通过选取优化组粒子和高权值粒子适当地线性组合产生新粒子集。仿真结果表明,当感知系数为零时,优化算法将蜕化为基本粒子滤波算法;在适当选择感知系数的情况下,优化算法的滤波精度较高,跟踪突变状态的性能较优,在保证粒子群贴近真实后验分布的同时,增强了粒子的多样性。

SCCPM中基于平均外信息交换的迭代停止算法

针对串行级联连续相位调制系统(SCCPM)存在正反馈的问题,提出了一种基于平均外信息交换的迭代停止译码算法.该算法采用平均外信息交换方法,将历次迭代外信息的平均值作为下次迭代的先验信息,并结合符号改变率(SCR)和辅助硬判决(HDA)两种迭代停止准则进行迭代译码.仿真结果表明,平均外信息交换与动态迭代停止算法相结合可以有效抑制正反馈,提高SCCPM系统性能,并且能够减少译码时延.

基于遗传混合算法的二维耦合颤振方法

对于传统的二维二自由度耦合颤振分步分析解法,创新性地将颤振分析转变为关于求解系统振动频率的非线性方程组问题.基于数值分析理论,引入如拟牛顿法等超线性收敛的数值迭代解法,研究了该类方法在数值迭代时的局部收敛性、初始值依赖性等问题.为规避上述风险发生在颤振分析中,将具有全局搜索优势的遗传算法应用于二维二自由度耦合颤振分析,结合最优算法L-M算法进行局部收敛修正,提出了基于遗传混合算法的分析方法.算例分析结果表明:在各个检测风速节点处,两种方法下的系统振动圆频率和系统牵连阻尼比计算误差都低于0.1‰,结果几乎一致;所建立的新分析方法思路清晰,求得颤振临界风速与传统方法完全一致,说明新的计算流程可行且计算结果准确;与传统方法相比,基于遗传混合算法的颤振方法每步求解过程无需初值的自选取,具有无条件收敛的优点.

基于反应曲面法与遗传算法的薄壁注射成型工艺参数预测

运用反应曲面法，结合CAE分析及方差分析理论，建立了可以适当描述塑料薄壁件注射成型参数与成型品质因素之间关系的数学模型，并结合遗传算法，对各成型参数进行优化，以期提高成型品质，实例验证了该算法的可行性。

基于异步粒子群优化算法的边坡工程岩体力学参数反演

基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一,其本质是一个岩体力学参数的寻优过程,因而,如何选择一个高效的优化算法是其核心问题之一.目前,粒子群优化算法已被应用于边坡工程力学参数反演,但其算法实现为同步模式,最优粒子的信息不能及时共享,降低了优化效率,使得反演耗时较多.鉴于此,提出基于异步粒子群优化算法的边坡工程岩体力学参数反演,该算法的搜索步伐并不一致,粒子间表现出异步性,因而寻优效率明显高于同步模式,可有效解决在边坡工程中岩体力学参数反演中存在的低效问题.在此基础上,构建了边坡工程岩体力学参数反演模型,并采用ABAQUS作为反演分析中的正分析工具,给出了边坡工程岩体力学参数反演的实现流程,完成了程序编制,进而通过算例分析,验证了所提出的方法和程序编制的可行性和高效性.

基于图像轮廓的角点检测算法

利用Gabor滤波器的生物视觉特性,设计了一个基于图像轮廓的角点检测器,提出利用轮廓像素的梯度方向变化信息作为角点测度。首先,用Canny边缘检测器对图像边缘进行提取;然后,利用多边形近似来改善边缘,在轮廓之间填补空隙得到封闭的轮廓;最后,将Gabor滤波器平滑后的轮廓像素的主方向角度差作为角点测度进行检测角点。实验选用15张测试图片分别在旋转和噪声下评估检测重复率和定位误差,通过与CSS、He&Yung、CPDA角点检测器进行对比实验,所提算法提高了平均角点重复率,使平均定位误差有所降低。

基于迭代学习PID算法的苹果采摘机器人设计

为了提高采摘机器人机械手控制系统的精准性和采摘机器人的移动效率,设计出基于迭代学习PID算法的苹果采摘机器人。借助MatLab软件平台进行模型搭建及控制系统仿真测试,实验室条件下进行硬件结构设计,并完成采摘过程测试、路径规划避障测试和采摘果实破损率统计分析。实验验证表明:基于迭代学习PID算法设计的采摘机器人可准确锁定采摘目标,迅速实施稳定的采摘动作,以最佳采摘角度最大程度地保证采摘果实完整性。基于迭代学习PID算法设计的苹果采摘机器人有效提高了采摘的精度和效率,使苹果整体完好率达到98.3%以上,最大限度保证了采摘苹果的质量。

非线性系统的改进型迭代学习控制算法研究

针对普通闭环PD型迭代学习控制算法收敛速度慢且收敛精度不高的问题,通过在闭环PD型控制算法中引入动态扩张-收缩因子(dynamic expansion compression coefficient,DECC)的方法,提高闭环PD型算法的收敛速度以及收敛精度。同时将鲁棒控制引入至算法中,进一步提高算法抑制外界干扰的能力。通过构造李雅普诺夫函数证明了在所提改进的控制律作用下的信号是有界且收敛的。最后将改进的迭代学习控制算法应用在一类具有重复运行性质的非线性系统中,证明所提算法是有效的。

一种基于UKF的AUV移动声学网络协同导航方法

针对扩展卡尔曼滤波(EKF)在自主水下航行器(AUV)移动声学网络协同导航中,存在强非线性观测方程条件下线性化误差大、计算复杂等缺点,文章提出一种基于无迹卡尔曼滤波(UKF)的AUV移动声学网络协同导航方法。利用移动长基线原理和UKF方法,建立基于UKF的协同导航滤波算法,并通过仿真实验与传统的EKF协同导航算法进行对比。仿真结果表明,基于UKF的协同导航算法能明显减小导航定位误差,在导航精度上优于EKF方法,是AUV协同导航中一种更加简单有效的导航滤波方法。