如何通过地震探测核爆

今年2月12日上午10时57分,朝鲜核试验场咸镜北道吉州郡丰溪里发生5.1级地震。随后,各国地震部门都估计朝鲜进行了核爆试验,但对核爆的当量、性质等问题产生了分歧。那么,地震监测是如何对核爆进行分析的?     

基于动态规划下地震现场搜救兵力配置研究

针对我国目前在地震现场搜索救援中存在的兵力配置问题,提出运用动态规划方法对其问题进行研究。简述建立动态规划模型的基本策略和步骤,建立地震现场搜索救援中兵力配置问题的静态数学与动态规划模型,并通过求解动态规划模型,得出地震现场搜索救援中兵力配置的最优策略。结果表明:该模型结构简单,计算难度小,优化配置能力强,易于电脑操作,可有效解决兵力配置等非线性数学问题。     

多学科设计优化中搜索策略研究

针对多学科设计优化的问题复杂性, 探讨现有优化算法在多学科设计优化问题中的适用性, 以确定搜索策略的选择.回顾了经典优化方法在优化设计中的应用, 介绍了软计算在多学科设计优化中的应用, 并对软计算中的智能优化算法及其在多学科设计优化中的应用作了研究, 最后对多学科设计优化中搜索策略的发展方向作了阐述.     

地空超短波数据链站点选址及覆盖优化

针对数据链站点选择利用工作经验和地图进行盲搜索覆盖分析能力的难题,通过栅格化分析方法进行数学建模,将数据链站点选址优化问题转换为0-1整数规划问题。基于覆盖面积最大模型和覆盖价值最大模型,给出了采用无线电频谱规划管理软件的求解过程,设计现有5个站点中选择4个站点的选址覆盖能力计算案例,根据用户定义的覆盖区域、允许设台区域、设台类型、接收台类型和设台数量等参数确定覆盖方案,结合案例设置站点布放条件、覆盖条件和评估条件等参数,进行了费用评估分析及覆盖范围优化。采用电子地图和覆盖模型相结合的快速优化技术,提升了选址过程的计算效率,所提研究方法适合于数据链站点的建设论证和运维管理。     

基于粒子群优化算法的多目标搜索算法

针对多目标优化问题在实际应用中的复杂性,提出一种采用粒子群优化算法来求解多目标优化的问题的方法。在分析了多目标优化问题的基础上,以粒子群优化算法对生产配料流程中的优化问题为例进行非劣最优解集的搜索,并将其运用于实际工程制造中的某配料选型工艺计算中。仿真结果表明:该方法有效,在工程设计选型、模式分类、神经网络训练以及系统控制等领域正得到普遍应用。     

基于混合蛙跳算法的多模盲均衡算法

针对常模盲均衡算法(CMA)收敛速度慢、收敛后稳态误差大且存在盲相位的现象,提出了一种基于混合蛙跳算法的多模盲均衡算法(SFLA-MMA)。它结合了智能优化算法的基本思想,将个体自身的进化及个体间的社会行为等概念引入到盲均衡技术中。该算法将多模盲均衡算法(MMA)代价函数的倒数定义为混合蛙跳算法(SFLA)的适应度函数,将青蛙群体中青蛙个体的位置向量作为MMA的初始权向量;利用SFLA的全局信息共享机制和局部深度搜索能力,在全局范围内搜索青蛙群体的最优位置向量并作为MMA的初始优化权向量。之后,通过MMA进行迭代,得到MMA的最优权向量。利用高阶多模正交振幅调制（QAM）与正交相移键控（APSK）信号对该算法进行了仿真验证。仿真结果表明,与CMA、MMA和基于粒子群算法的多模盲均衡算法(PSO-MMA)相比,SFLA-MMA在均衡高阶多模信号时收敛速度极快、稳态误差最小、输出信号星座图最清晰。     

基于改进布谷鸟算法的分数低阶盲均衡算法

针对无线通信系统中传统常模盲均衡算法(CMA)在脉冲噪声环境下适应性较差,难以有效收敛的问题,提出了改进布谷鸟算法优化的分数低阶统计量常模盲均衡算法(SCS-FLOSCMA)。该算法将椋鸟鸟群的集体性行为引入到基础布谷鸟算法(CS)中,有效提高了搜索精度,减少了CS算法后期过早收敛的风险;然后把改进后的CS算法引入到分数低阶常模盲均衡算法(FLOSCMA)中,将搜索过后得到的全局最优巢作为均衡器的初始权向量。仿真表明,与CMA和FLOSCMA算法相比,该方法在均方误差曲线更稳定,收敛速度也更快。     

利用稳定地物特征匹配定位的方法研究

论述了利用稳定地物特征进行匹配定位的方法。该方法针对稳定地物的特点，为了提高匹配定位的实时性，采用了分层搜索的序贯判决法；同时，由于实时图存在误差，容易造成错误匹配，为了避免这个问题，提高匹配概率和定位精度，设计中增加了一致性表决法，采用分层搜索的序贯判决法和一致性表决法相结合的匹配方法，取得了很好的匹配效果。     

基于混沌搜索的特征选择方法

针对特征选择效率较低的问题,提出了一种基于混沌搜索的特征选择（CSFS）方法。建立候选特征－混沌变量映射模型,将候选特征映射到混沌空间,实现候选特征向量与混沌变量之间的相互转化;利用混沌变量迭代演化进行特征选择;利用分类器对得到的特征向量进行性能评价。以焊缝缺陷特征为例对该特征选择方法进行了有效性验证,并与基于遗传算法的特征选择（GAFS）方法进行了对比。实验结果表明：在获取的特性向量的识别性能相当的情况下,CSFS方法的耗时仅为GAFS方法的61.1%.     

基于自适应模拟退火遗传算法的特征选择方法

特征选择是机器学习及模式识别领域的重要问题之一。针对高维数据对象,特征选择不仅可以在保证数据完整性的情况下减少特征维数,还能够提高分类精度。文中提出了一种基于自适应模拟退火遗传算法的特征选择方法,该方法将模拟退火算法嵌入到自适应遗传算法的循环体中,利用模拟退火算法具有较强的局部搜索能力,并且能够使搜索过程避免陷入局部最优解的特点,解决了基本遗传算法收敛速度慢,时间复杂度高的缺点。实验结果表睨,在保证分类正确率的前提下,该方法有效提高了特征选择效率。     

基于Relief算法的故障图像识别与匹配方法

针对图像识别与匹配问题,提出一种基于Relief算法的新方案。利用k最近邻的Relief算法选择表达图像的最优特征子集,再利用基于最小距离分类器的模板匹配技术,实现故障图像的识别。在特征提取时,改进了对传统的灰度共生矩阵的选取。实验证明,该算法正确识别图像故障与否的概率能到达90%左右,提高了特征选择的有效性,完全满足实际应用中的需要。     

基于PCA的红外图像区域特征选择方法

特征提取在模式识别和分类中起着关键的作用,本文针对红外目标的准确分类识别问题,围绕红外图像特征提取和特征选择进行研究,提出了基于PCA的区域特征选择方法。该方法首先采用基于数学形态学的滤波技术对红外图像进行预处理,有效地增强了目标区域,便于目标特征的提取;其次,本文研究了区域形状特征提取及基于PCA的特征选择方法,通过对区域特征进行优化选择,构造准确描述目标特性且维数较低的特征。实验结果表明,本文提出的方法有效地提取红外目标的特征,可用于红外目标的分类且有利于提高算法的效率。     

人脸识别常用方法及其发展现状

人脸识别的研究历史分为人脸面部特征人工识别、人脸人机交互识别、人脸机器自动识别3个阶段.人脸识别系统包括人脸特征检测与分割、人脸特征规范化、人脸表征和人脸识别4部分.根据表征方式的不同,人脸识别方法有:基于层次聚类的几何特征矢量模式识别法、基于代数特征矢量的特征矢量识别法、基于神经网络的人脸特征提取和分类器设计法.并详述了代数特征矢量法中经典的特征脸法的识别过程.近年国外采用小波分析的变换特征识别法,利用模式识别的最佳分割超平面分类识别法等是当前研究热点.     

基于D-S证据理论信息融合的故障诊断方法

对证据推理理论用于故障诊断识别进行了论述和仿真。介绍了证据理论的相关重要概念,给出了一种常用构造基本概率赋值函数的方法以及分类规则的选取。应用D-S证据理论方法对系统进行故障分析,首先要解决的问题是要分析系统识别框架和故障特征向量的构造。以航空电源某故障为例,进行了诊断识别仿真和对比实验,验证了证据推理用于故障诊断的可行性。仿真结果表明,将证据推理方法应用于航空电源状态监测和故障诊断中,可大幅度提高故障诊断的准确性和置信度。     

基于Dempster-Shafer证据理论的通信辐射源个体识别算法

针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。针对由于各种信号干扰和传感器误差导致辐射源个体正确识别率较低的问题,提出一种 多传感器融合识别算法进行复杂电磁环境中的通信个体识别。该算法将Dempster-Shafer证据理论和特征提取结合起来,充分利用侦测的信号特征,减少了识别过程中的不确定信息。该融合识别算法提取侦测信号中的个体特征,使用基于决策向量的自适应证据融合方法将由个体特征转化而来的多个证据相融合,最后再根据判决准则得到最终的识别结果。分别对自适应融合方法和融合识别算法进行仿真分析,结果表明自适应证据融合方法可以综合考虑融合过程的计算效率和融合结果的合理性,在二者之间达到平衡。与现有的识别方法相比,多传感器融合识别算法可以提高复杂电磁环境中个体识别的稳定性和正确识别率。     

基于改进离散粒子群优化算法的容差电路故障特征提取

采用故障信息量对容差电路输出信号中的故障征兆进行描述,采用等间隔选取特征点、单特征点诊断信息量最大和多特征点联合诊断信息量最大3种不同的特征子集选取规则,提出了基于改进映射函数、自适应权重、基于自然选择以及基于自然选择和自适应权重的4种离散粒子群优化（BPSO）算法对特征子集进行搜索的方法,并将获取的不同最佳特征子集分别用于训练不同的神经网络,并用训练好的神经网络完成容差电路的故障定位。仿真实验结果证明了容差电路故障特征子集的改进BPSO搜索算法的有效性,故障定位效率可达95.2%. 采用故障信息量对容差电路输出信号中的故障征兆进行描述,采用等间隔选取特征点、单特征点诊断信息量最大和多特征点联合诊断信息量最大3种不同的特征子集选取规则,提出了基于改进映射函数、自适应权重、基于自然选择以及基于自然选择和自适应权重的4种离散粒子群优化（BPSO）算法对特征子集进行搜索的方法,并将获取的不同最佳特征子集分别用于训练不同的神经网络,并用训练好的神经网络完成容差电路的故障定位。仿真实验结果证明了容差电路故障特征子集的改进BPSO搜索算法的有效性,故障定位效率可达95.2%.     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题,提出了一种基于边缘检测,综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘,提取出单帧图像中的可疑目标,依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配,完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿,选用目标空间位置进行多步预测,引导伺服机构跟踪。外场实验表明,该方法能有效她匹配识别出目标,并保持连续稳定的跟踪。     

基于小波脊线特征提取的雷达辐射源信号识别

针对在低信噪比条件下雷达辐射源信号识别率低的问题,提出了一种基于小波脊线特征提取的雷达辐射源信号脉内调制方式识别方法.该方法使用新的改进Morlet小波提取信号瞬时频率,变换后提取其二次特征用于分类识别.计算机仿真结果表明本方法提取的特征向量具有良好的识别能力,在2 dB的低信噪比条件下,平均识别率可达到90%以上,通过与现有方法进行对比仿真验证了本算法在低信噪比环境下的优越性.