认知定位系统的自适应精度研究

为了能够实现定位精度的自适应,本文分析了认知无线电定位系统(cognitive positioning systems,CPS)的原理。该系统利用频谱及环境感知等模块中的传感器单元来获取所需的定位参数,并将其与到达时间(time of arrival,TOA)定位估计算法相结合,以克拉美罗下界(Cramer-Rao lower bound,CRLB)为准则分析最大似然(maximum likelihood,ML)定位精度自适应算法。本文还对单径和多径环境条件下定位精度自适应性能进行了比较。仿真结果表明,该算法能够实现定位精度的自适应,并能通过改善系统可用的频带带宽、分散频谱的数目、信号的调制方式等因素来提高定位精度。     

矩阵的Hadamard积最小特征值的下界估计

对A和B是非奇异M矩阵,利用著名的Gerschgorin圆盘定理,给出了B和A-1的Hadamard积B。A-1的最小特征值τ(BA-1)新的下界估计式,此下界估计式改进了现有的几个结果,并且这个下界估计式只涉及矩阵A和B的元素,易于计算.例证表明,所得下界估计式要比现有的下界估计式更加精确.     

认知无线电网络中基于检测概率的主用户定位算法

为了解决认知无线电网络中次用户对主用户进行定位的问题,提出了一种加权最小二乘的迭代定位算法。采用两状态马尔可夫模型作为主用户头像模型,能量检测作为次用户的感知模型。该算法可以在不干扰主用户正常工作的情况下,利用次用户之间的合作感知结果进行定位,并估计出主用户的三维地理位置位置信息。提出了一种可以降低定位算法复杂度的简化算法。通过对定位问题进行了理论分析,求出了均方误差的Cramer-Rao理论下界。仿真结果表明,算法的均方误差非常接近理论下界,能有效地估计主用户的三维位置信息,提高定位精度。     

集装箱码头岸桥最优调度理论研究和高效算法

岸桥调度问题是集装箱码头中最核心的调度问题之一.现有研究成果无法在可行时间内计算出对较大规模业务的最优调度,因此现有岸桥调度算法普遍采用启发式策略,以保障在可行时间内计算出一种调度.首先从理论角度证明了完工时间下界的正确性,设计了一种最优调度构造方法,完备了岸桥调度问题的理论体系;其次,在此理论工作基础上,设计了线性时间复杂度的算法求出最优调度;最后,用实验验证了所提方法在解的质量和效率上显著优于现有方法.     

多站时差频差高精度定位技术

针对多站时差频差联合定位系统,建立了定位模型,推导了定位误差表达式并作了仿真分析.仿真结果表明,在观测站构型较差的情况下,多站时差频差联合定位与纯时差或频差定位相比可提高定位精度.本文同时提出了利用相参脉冲串实现雷达信号高精度频差测量方法,推导了无模糊频率估计的充要条件及相参脉冲串测频的CRLB,仿真及实验室测试结果证明了在一定条件下可实现对相参雷达信号的Hz级测量精度,对工程应用具有一定的价值.     

交互式凸组合法的混合时滞不确定中立系统的稳定性

针对带分布时滞和离散时滞的不确定中立型系统进行稳定性研究. 基于交互式凸组合方法和下界引理, 通过构造恰当的李雅普诺夫泛函, 适当分割时滞区间, 处理一组由凸参数逆加权的正函数线性组合(交互式凸组合), 给出线性矩阵不等式形式的系统鲁棒稳定性判据. 该方法允许离散时滞为变时滞, 增强了系统的鲁棒性能. 数值算例验证了所得结果的有效性和合理性.

     

基于改进粒子群算法的随机流路网可靠性研究

为解决城市交通路网中容量的随机性对可靠性研究的影响问题,建立了随机流交通路网可靠性模型,提出了一种基于改进粒子群算法的交通路网可靠性评价方法,该方法能够搜索到满足条件的多个解,在算法中引入了一种转移机制可以有效地避免粒子陷入局部无目标搜索状态,又可保证全局搜索能力,最终能够搜索到路网在d需求量下的所有d-下界点以计算路网的可靠性.通过算例结果表明了该改进粒子群算法的可行性及准确性.     

Ramsey数R（6,n）的两个下界

本文构造了２个新的素数阶循环图，从而得到了２个Ｒａｍｓｅｙ数的下界：Ｒ（６，１６）≥２７８，Ｒ（６，１７）≥４２０。     

一种基于EM算法的快速收敛参数估计方法

将EM算法用于参数估计中,提出了一种在EM算法迭代中使用符号后验概率修正先验概率的快速收敛参数估计方法。通过分析参数估计的CRB与EM算法收敛速率的关系,指出通过降低参数估计的CRB可以提高EM算法的收敛速率。证明了修正之后的算法能加速算法收敛的机理,即降低了缺失数据的熵;同时证明了修正后的算法仍然收敛到修正前的似然函数。最后以载波相位估计为例与传统基于EM算法的相位估计方法进行比较,仿真结果表明,在不影响估计性能的前提下,算法收敛速率明显加快。     

绿色车辆路径问题的改进拉格朗日松弛算法

针对绿色带容量的车辆路径问题(Green Capacitated Vehicle Routing Problem, GCVRP),建立了以最小化总运费为优化目标的混合整数规划(Mixed Integer Programming,MIP)模型,并提出一种改进拉格朗日松弛算法(Improved Lagrange Relaxation Algorithm, ILRA)进行求解。首先,通过拉格朗日松弛技术得到原问题的对偶问题,并运用次梯度法求解对偶问题获得原问题的下界;然后针对下界设计修复算法和邻域搜索算法获得原问题的上界,进而更新乘子迭代求解;最后进行仿真实验,实验结果表明：在相同实验环境下对19个不同规模算例进行10次测试,ILRA求取MIP的上下界平均间隙为7.61%,而Gurobi求解器求取的平均间隙为15.47%。可见,相较于Gurobi求解器,ILRA能够高效获得GCVRP的高质量解。