一种应用于目标宽带RCS快速计算的高效预处理技术

矩量法常与渐近波形估计技术结合用于目标宽带雷达散射截面的快速计算,然而当目标为电大尺寸时,此种方法仍然十分耗时。该文使用一种基于可变内外迭代技术的Krylov子空间迭代法FBICGSTAB求解由电场积分方程离散得到的大型稠密矩阵方程。同时近场矩阵预处理技术将与双阈值不完全LU分解预处理技术结合用于降低FBICGSTAB的迭代求解次数。数值计算表明:在不影响精度的前提下,该文方法可以大大提高目标宽带雷达散射截面的计算效率。

基于矩阵的粗糙集近似集快速计算算法

在粗糙集理论中,上、下近似集的计算是核心问题。矩阵能提供一种高效的方法来计算粗糙集模型中概念的上、下近似集,但是在目前的矩阵方法中,论域中每个对象都要与论域中全部对象进行运算,从而导致较大的时间代价。为提高使用矩阵计算近似集时的效率,提出一种快速计算上、下近似集的矩阵方法。对于一个给定的概念,基于概念的外延和概念补集的外延构建一个局部关系矩阵,对局部关系矩阵和单位矩阵进行矩阵运算得到正域和边界域布尔矩阵,对局部关系矩阵的转置和单位矩阵进行矩阵运算得到负域和边界域布尔矩阵。在该矩阵方法中,只需要根据局部关系矩阵就可以计算近似集,即论域中每个对象不必和论域中全部对象进行运算就可以被划分到相应的区域,使得算法的运算次数相比传统矩阵算法大幅减少,从而降低时间成本。在8个公开数据集上的实验结果表明,与4种传统的矩阵算法相比,该矩阵算法的运行速度至少提升70%,可以有效提高近似集计算效率。

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84 dB,对于直升机声源数据,所提算法在SDR上提高了4.53 dB。

面向风格多样化的多对多语音情感转换

针对现有基于生成对抗网络的语音情感转换仍然存在情感分离不明显,且转换后的语音情感缺乏多样性问题,提出了一种面向风格多样化的多对多语音情感转换方法。该方法基于一个双生成器结构的生成对抗网络模型,通过对不同生成器的中间编码进行一致性损失约束确保语音内容和说话人特征具有一致性,以提升转换后语音情感与目标情感的相似性。此外,该方法通过情感映射网络和情感特征编码器为生成器提供同类情感的多样化情感表征。实验结果表明,所提情感语音转换方法得到的语音情感更接近目标情感,且情感样式更加丰富。

基于多尺度小波包启发卷积网络的旋转机械故障诊断

在工程实践中,旋转机械故障诊断常面临噪声干扰、故障样本稀缺以及工况变化等各种复杂情况,这给先验知识缺乏的数据驱动深度学习方法应用带来了新的挑战。传统基于小波分析的故障诊断方法可提取到故障丰富的先验知识,但固定(结构化)或单一的小波基难以直接适应复杂故障场景。针对上述问题,在传统多尺度小波包分析思想启发下,提出一种基于多尺度小波包启发卷积网络(multiscale wavelet packet-inspired convolutional network, MWPICNet)的端到端旋转机械故障诊断方法。MWPICNet在神经网络内部实现了时频域转换与滤波降噪、特征提取与分类过程的有机耦合。首先,通过交替使用多尺度小波包启发卷积层和软阈值激活层进行信号分解和非线性变换,逐层挖掘多尺度时频故障特征和过滤噪声冗余信息,该过程的多次迭代可近似视为小波包阈值去噪算法在多个可学习滤波器和可学习阈值下的多层深度展开;然后,设计频带加权层动态调整各频带通道的权重;最后,引入全局功率池化层提取有助于故障状态识别的判别性频带能量特征。在三种不同应用场景下分别采用对应的机械故障数据集进行案例研究,验证了所提模型在复杂故障场景下的可行性和有效性。

滑动窗累积量的递推估计算法及其在语音端点检测中的应用

提出了一种滑动窗累积量的递推估计算法并应用于语音端点检测中,用以解决传统端点检测方法在噪声环境下检测性能变差的问题。在对含噪语音信号进行加窗之后,利用滑动窗累积量的递推估计算法估计含噪语音信号的高阶累积量值,并在此基础上结合能量特征进行语音端点检测。实验结果表明,所提滑动窗累积量递推估计算法相比较传统高阶累积量计算方法运算效率明显提高;所提端点检测算法在不同噪声和信噪比环境下相比较G.729b算法点正确率Pc-point值平均提升了6.07%。基于滑动窗高阶累积量的语音端点检测算法具有较高的运算效率及良好的鲁棒性。

基于高斯变异的人工萤火虫算法在云计算资源调度中的研究

如何合理地分配云计算资源一直都是研究的热点。建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高。通过在Cloud Sim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力。

卷积噪声环境下语音信号鲁棒特征提取

提出了一种基于独立分量分析(ICA)的语音信号鲁棒特征提取算法,用以解决在卷积噪声环境下语音信号的训练与识别特征不匹配的问题。该算法通过短时傅里叶变换将带噪语音信号从时域转换到频域后,采用复值ICA方法从带噪语音的短时谱中分离出语音信号的短时谱,然后根据所得到的语音信号短时谱计算美尔倒谱系数(MFCC)及其一阶差分作为特征参数。在仿真与真实环境下汉语数字语音识别实验中,所提算法相比较传统的MFCC其识别正确率分别提升了34.8%和32.6%。实验结果表明基于ICA方法的语音特征在卷积噪声环境下具有良好的鲁棒性。

基于SVR的多传感器数据融合处理方法

为了提高传感器的稳定性和每个参量的测量精度,本文提出了一种新的基于支持向量机回归估计(SVR)的多传感器数据融合处理方法。仿真实验结果表明,该方法能有效降低压力传感器的交叉灵敏度系数,提高压力和温度的测量精度。而且压力传感器的零位压力相对温度变化的稳定性明显优于多维回归分析和人工神经网络的数据融合处理方法。

基于粒度计算的覆盖算法

为了更好地解决高维海量数据的分类问题,本文提出一种基于粒度计算的覆盖算法。该算法以粒度计算为理论依据,指出在分析研究某一问题时,可以适当将其属性、论域或者结构粗化,求得某个商空间,在该商空间中抓住事物的本质对其研究,对某些在同一个粗粒度世界无法识别或者彼此特征区别很弱的对象可以换一个粒度世界对其分析,从而全面了解整个问题;以构造性学习算法——覆盖算法为具体实现工具,得到多个商空间中的结果,最终由商空间理论中的函数合成法获得完整结果。实验证明这种基于粒度计算的覆盖算法在解决分类问题时是行之有效的。

基于局部合作的RoboCup多智能体Q-学习

针对多智能体Q-学习中存在的联合动作指数级增长问题,采用一种局部合作的Q-学习方法,在智能体之间有协作时才考察联合动作,否则只进行简单的个体智能体的Q-学习,从而减少学习时所要考察的状态-动作对值。在机器人足球仿真2D平台上进行的实验表明,该方法比常用多智能体强化学习技术具有更高的效率。

基于独立分量分析的运动目标检测算法中对通道数选择和观测向量生成方式的实验和分析

现有基于独立分量分析(ICA)的运动目标检测算法大多采用单一的观测向量生成方式和2通道数据进行检测,使得现有算法难以获得更加完整精确的目标形态。该文在传统独立分量分析算法的基础上引入4种不同的观测向量生成方式并使用更多通道数据进行实验,以此更广泛地涵盖运动目标的运动特性并为提取前景提供更多有效信息,使该算法能有效应对缓慢移动和低区分性目标。多场景下的量化实验分析表明,更多通道数据的使用以及4种观测向量生成方式的综合在合理的误检率代价下使算法达到了更高的检测正确率。

CCA三支决策模型的边界域样本处理

构造性覆盖算法(constructive covering algorithm,CCA)三支决策模型在学习过程中根据样本分布特征,自动产生正域、负域和边界域。该模型为边界域样本处理问题提供了新的思路。重点讨论了基于CCA的三支决策的边界域样本处理问题。对边界域样本处理提出了两种决策方案:一种为处理全部的边界域样本,给出了距中心最近原则、距边界最近原则、万有引力原则3种方法;另一种为处理部分的边界域样本,即只对满足一定条件的边界域样本作进一步的划分,这样使不满足条件的边界域样本仍保留在边界域,提高了边界域样本处理的正确率。用十字交叉法在5组数据集上对这两种决策方案进行了对比,实验结果表明,处理部分边界域样本时正确率更高,效果更好。

粒计算求解复杂网络最大流的研究

网络最大流问题是经典的组合优化问题,随着网络规模的增加,提高算法效率成为解决问题的关键.为了降低求解大规模网络最大流的计算量,本文模拟人类思维逐步求解复杂问题的思想,提出一种基于粒计算求解网络最大流问题的简单方法.本文首先将大规模复杂网络粒化为多个规模较小的子网络,再分别求解各子网络最大流,最后将子网络最大流合成得到原网络最大流.本文方法有效地降低了计算的复杂性,为在大规模复杂网络中快速获取最大流提供了方便,并给出一个解决最大流问题的新思路.不同网络上测试的实验结果显示,最大流的近似解误差可控制在1%左右,而平均运行时间只有经典算法(Ford-Fulkerson算法)运行时间的10%,表明本文方法的有效性.

基于盲信号分离的复波恢复方法

本文提出一种基于盲信号分离的新的复波恢复方法。首先通过CCD获取同一物体的3幅干涉全息图构成观测信号,然后采用独立分量分析方法从观测信号中分离出只包含复波振幅和相位信息项,有效抑制了零级项,最后用该方法实现了一个纯位相波阵面。实验结果表明,该方法能较好地恢复原复波的振幅和相位信息,即使在频谱混叠情况下,也能有效恢复原复波信号。

双周期信号配时法在单路口实时控制中的应用

双周期信号配时法(Double-CycleSignalTimingAlgorithm,以下简称DCSTA法),是一种交通路口信号配时方法,已经成功应用于单交叉路口的静态控制。论文将在此基础上,考虑实时性的要求,提出单交叉口的实时控制算法。该算法已经编成一个模块集成于微观交通仿真系统软件中。模拟实验结果证明了DCSTA法应用于实时控制的可行性与有效性。

基于三个误差分量的图像信号设计方法

为了实现一种与人眼的主观视觉感受相吻合的信号设计方法,针对原有两个分量存在着没有对背景亮度分量独立分析的弱点,依据图像背景亮度、对比度相似和无关分量结构化参数的要求,基于空间向量分解和合成原理,采用了空间向量均值和范数等参量方法,提出了一种与三个误差分量的图像信号设计方法,以及对应的设计实例。实验结果表明图像背景亮度、对比度相似和无关分量与视觉感受更加吻合,有利于结构相似性的标准测试信号的建立,以及图像结构化质量评价实验的考察。

粒计算的α-决策逻辑语言

提出一种用于粒计算的α-决策逻辑语言,该语言是由T arsk i意义下的模型和可满足性所描述的一种特殊的经典谓词逻辑.由属性值域的模糊子集代替经典的单值信息函数所得到的广义信息系统对应于模型;借助于模糊集理论的水平截集的概念,归纳地定义对象在一定阈值水平下满足某公式.最后讨论如何利用α-决策逻辑语言描述不同的粒世界及分析形式概念和决策规则.

基于扩频的矿井斜坡道交通信号监控系统

为了达到能在恶劣和高干扰环境的矿井下适应工作的目的,分析了扩频通信技术理论的优势和扩频抗干扰技术原理,分析了直扩工作方式原理及其系统组成.重点运用直扩系统中的同步技术,首次将扩频通信技术方法运用于矿井斜坡道交通信号监控系统中,结果证实此方法很好地解决了一般系统安全性和准确性低的问题.本系统已形成独立标准,并已投入使用,填补了矿井斜坡道安全运输监控的空白,增强了矿井信息管理系统的可靠性,其应用水平和产品技术性能均达到国内领先地位.

基于K最近邻的代价敏感三支决策边界域处理模型

三支决策理论是Yao在研究粗糙集和决策粗糙集时提出的,其主要目的是为粗糙集三个域提供合理的语义解释,即正域POS(X)、负域NEG(X)和边界域BND(X)。目前,如何有效地处理边界域已成为三支决策理论研究的热点问题。例如,基于CCA的三支决策模型提出了三种方法对边界域样本进行处理,分别是距中心最近原则、距边界最近原则和万有引力原则,但是这三种方法都没有考虑到分类问题的代价敏感性。本文在基于CCA的三支决策模型的基础上,针对边界域的处理问题,提出了一种基于K最近邻的代价敏感三支决策边界域处理模型。该模型首先根据样本分布特征寻找最优K值,然后根据与样本边界距离最小的K个覆盖的类别和代价敏感损失函数对边界域样本进行划分。实验结果表明,与基于CCA的三支决策模型中的处理方法相比,本文模型在最优K值下的分类结果的高代价样本的误分类数显著减少,分类损失更小,而且总分类错误率较低。