列车运行调整的优化与仿真

列车运行调整是一类高度复杂的组合优化问题,仿真技术是列车运行调整研究的重要技术手段。在建立了基于满意优化的列车运行调整智能化决策支持系统模型基础上,介绍了仿真技术在列车运行调整优化中的应用,以及用于铁路列车调度员技能培训的仿真系统。     

一种基于统计特性变换的盲信道辨识与均衡算法

在接收信号过采样的情况下,总结了SIMO信道堆栈系统模型。在此基础上针对输入信号为平稳非独立同分布且有已知自相关函数的情况,引入统计特性变换,导出了变换阵的闭式解。提出一种适用于平稳信号源的盲信道辨识与均衡算法,并对算法进行仿真,分析其辨识误差、收敛性能和均衡效果。结果表明：本文算法在输入信号为平稳非独立同分布时仍能对信道进行辨识且具有较高的精度,算法的收敛速度快并能达到理想的均衡效果。     

基于深度学习和集成学习的辐射源信号识别

随着电磁环境的日益复杂和雷达辐射源信号类型的逐渐增多,如何有效地识别雷达信号类型成为一个重要的问题。为解决这个问题,提出了一种基于深度学习和集成学习的辐射源信号识别框架。该框架由特征提取和分类器设计两部分组成。第一部分,将雷达信号变换到时频域,利用栈式降噪自编码模型学习时频图像的特征。深度模型的训练采用无监督预学习和有监督微调相结合。第二部分,构造一个集成不同支持向量机分类器的模型对雷达信号进行识别。利用8种不同的辐射源信号验证了提出模型的有效性,结果表明结合这两种机器学习的方法有助于提高辐射源信号的识别正确率。     

基于MRS-EGARCH模型的沪深300指数波动预测

提出了一种新的马尔可夫机制转换EGARCH模型,假定收益残差序列可以服从高斯分布、t-分布或广义误差分布,并允许非高斯分布中自由度与所处机制有关,以刻画可能存在的时变峰度及厚尾特征.以沪深300指数为例进行实证研究,发现新模型能区分隐藏在指数收益序列中的不同机制.预测成功率指标表明设定收益残差服从厚尾分布的MRS-EGARCH比单机制EGARCH具有更好的波动率预测性能.     

基于证据距离和模糊熵的加权证据融合新方法

证据的不确定性从根本上影响到融合结果,目前证据理论中还没有完善的不确定性度量方法。针对D-S证据理论在合成高冲突证据时会得到有悖常理的结果的问题,许多学者提出了修正证据源的改进方法,但是这些方法大多没有考虑到证据的不确定性问题。模糊熵方法是一种非常有效的模糊性(不确定性)的测度方法。考虑到证据的不确定性,本文提出一种新的基于证据距离和模糊熵的加权证据融合方法,该方法利用模糊熵方法计算各个证据的不确定度系数,修正基于证据距离的各证据源的权重,得到各证据源的综合权重。实验结果证明了本文方法的有效性。     

消除阴影和高亮噪声的双梯柱体码本前景检测模型

为解决智能视觉监控中前景检测存在阴影和高亮噪声影响的问题,提出一种双梯柱体码本(DTCC)前景检测模型。首先,根据阴影与背景相比亮度较低且色度不同的特点,将模型下部构造成正立的梯柱体阴影检测区;随后,根据高亮噪声与背景相比亮度较高、色度不同的特点,将模型上部构造成倒立的梯柱体高亮噪声检测区域;最后,模型中部采用圆柱体构造成主体背景区域,最终形成DTCC模型。实验结果表明:DTCC模型具有更高的实时性,平均帧率约为15.61帧/s,比iGMM模型、CBM模型和HC3模型的帧率分别高出76.05%、24.60%和41.09%;具有更优的阴影和高亮噪声消除性能,平均阴影和高亮噪声消除率分别约为70.61%和83.41%,均高于对比模型。     

控制系统设计的满意优化方法

控制系统的参数设计可归结为一类多指标优化问题.本文介绍了关于控制系统设计的满意优化方法的一些研究工作.给出了可用于控制系统参数设计的满意优化计算模型,并通过算例说明了该模型的应用方法.通过对满意控制问题的分析,指出了进一步的研究问题.     

列车驾驶仿真器及其关键技术

列车驾驶仿真器通过列车运行性能仿真、驾驶环境仿真来建构一个具有高度真实感的虚拟驾驶环境。以列车驾驶仿真器为平台,可进行驾驶培训和列车动力学仿真、优化操纵等研究工作。介绍了列车驾驶仿真器的不同构成形式,给出了全功能分布式列车驾驶仿真器的典型结构,并在此基础上进一步讨论了列车驾驶仿真器的关键技术。     

基于GO7007SB的嵌入式MPEG-4远程视频监控系统

针对嵌入式系统和MPEG-4编码标准的特点，结合当前的计算机技术、通信技术以及视频压缩技术，提出了一种基于GO7007SB的嵌入式MPEG-4远程视频监控系统。对系统的硬件结构和网络接收，视频解码、显示、保存及检索回放，云台及镜头控制等各软件模块进行设计。实验证明，该系统具有性能稳定、无须专人管理、可扩展性好等优点。     

系统辨识中支持向量机核函数及其参数的研究

具有不同核函数和参数的支持向量机（SVM）的性能存在很大差异，核函数及其参数的选择是SVM应用和理论研究中的一个重要问题。在简要介绍非线性系统辨识的支持向量机方法后，重点对常用的核函数及其参数的选择进行了研究，并采用具有不同核函数的SVM进行非线性系境辩识。大量实验结果表明，采用SVM方法进行系统辨识时，径向基核函数（RBKF）比其它核函数的辨识效果好，且RBKF的参数选择较容易，当参数在有效范围内改变时，空间复杂度变化小，易于实现。因此，RBKF是系统辨识SVM的较好选择。