一种改进的基于闭环反馈的大失准角传递对准算法

针对传统的基于计算参数的传递对准算法在大失准角下的强非线性问题以及杆臂误差导致的传递对准精度下降问题,提出了一种改进的基于闭环反馈的大失准角传递对准算法。首先,基于快速传递对准模型,设计了全状态闭环反馈机制,通过对主、子惯导的姿态矩阵不断进行修正,实现大安装误差角估计值的快速收敛;然后,采用线性卡尔曼滤波对状态进行估计。仿真实验结果表明,相比于非线性滤波方法,所提算法在大、小安装误差角下均可以保持较高的对准精度,对准误差基本可以达到0.02°。车载试验结果也验证了所提算法具有更好的传递对准性能。     

概率统计中的“直觉-逻辑-仿真”闭环教学法

在概率论与数理统计授课中,学员的直觉常常与课程结果发生冲突.应对该问题,本文设计了“直觉判断-逻辑推理-仿真验证”的层层递进和回路闭环的教学方法,借助问卷调查引导学员融入博弈角色,将抽象的理论变成易于理解的案例和视觉直观的图像.教学实践表明,闭环教学法能够帮助学员化解本课程的学习困难,进而提高学员的实践能力.该方法的教学效果在多个教学班和多次教学大赛中得到验证,值得推广.     

基于非线性相关源雪崩管模型的恒虚警激光测距电路仿真试验研究

依据雪崩光电二极管（APD）产品数据手册中雪崩增益、噪声（温度）与偏压的相关关系通过曲线拟合建立了APD输入、输出和偏压控制的函数模型，并基于非线性相关源控件构建了APD的电路仿真模型。设计了具有恒虚警APD偏压自动控制以及防近程散射时间增益控制的测距电路，引入自动增益控制信号，完成了恒虚警激光测距电路的全闭环动态仿真试验研究。仿真结果表明，恒虚警测距电路可根据虚警率设计值自动捕捉APD最佳雪崩增益工作偏压，虚警率每百毫秒60～70次时最小可探测光功率达到25 nW，与实际值接近，验证了恒虚警全闭环仿真模型的可行性。     

应用ResNet和CatBoost检测重放语声*

针对短语声指令声频信息少、不适用句子级重放语声检测的问题以及近距离录声后用高质量重放设备重放的语声难以检测的问题，提出了一种适用于词级重放语声检测的模型。首先，利用短时傅里叶变换、低频平均能量计算和帧排序等方法选择声频帧，然后提取这些帧的伽马通频率倒谱系数。其次，用基于自注意机制的残差网络模型进一步提取伽马通频率倒谱系数中的信息，并转化为特征向量。最后，将提取后的特征向量用CatBoost分类，从而提高检测性能。在POCO数据集上的实验结果表明，提出的方法可以以87.54%的准确率和12.53%的等错误率检测重放语声，优于基线和现有的方法。该文提出的方法在ASVspoof2019 PA数据集上的等错误率与串联检测代价函数分别为4.92%和0.1418，证明该文方法也适用于多种设置的重放语声检测。     

基于多模态数据特征融合的舰船识别算法研究

在复杂海域场景下如何综合利用舰船监测的多模态数据进行高效特征提取和特征融合，以此来综合提升舰船识别精度仍存在巨大挑战。针对海域环境中舰船单一数据源识别准确率问题，提出一种有效的多模态数据特征提取和特征融合的舰船识别算法，然后基于深度残差网络模型进行特征融合以提升舰船识别准确率。通过实验结果对比，相比于其他算法基于多模态数据的舰船识别算法平均准确率提升约18%，有效地提升了舰船识别准确率，对相关船舶领域的研发工作具有借鉴意义。     

回收努力分配策略对闭环供应链定价决策的影响

以零售商、制造商和回收商组成的闭环供应链为研究对象,基于回收努力对回收量和回收质量的影响,建立零售商主导下的闭环供应链定价模型.其中回收努力分为横向努力和纵向努力,前者提高回收量,后者提高回收质量.基于Stackelberg博弈理论求解模型,分析再造品认知度、回收努力及其分配策略对供应链的影响,探讨最优的回收努力分配策略.研究发现:再造品认知度越高,供应链利润越高;在一定范围内提升回收努力水平,有利于提升供应链成员利润,但是超过特定阈值会使得回收商和供应链整体利润下降;最优回收努力分配策略依赖于横向与纵向努力的成本系数,直接将回收努力全部用于提升回收量或者回收质量可能会损害供应链利润.     

基于扩散模型的流场超分辨率重建方法

低分辨率的流场数据具有较少的信息量,不能充分捕捉流场中的细节演化过程.尤其对于湍流的随机脉动特征和小尺度涡旋细节特征更加难以获取,这限制了对流场演化机理进行深入研究.为了解决这一局限性,并从低分辨率流场中重建高分辨率数据,文章提出一种流场超分辨率重建的生成扩散模型FlowDiffusionNet.该模型以低分辨率流场数据输入作为约束条件,采用去噪分数匹配方法,来实现高分辨率流场数据的复现.FlowDiffusionNet在结构设计上充分考虑了流场数据的低频信息与高频空间特征,采用基于扩散过程的建模方法,用于重建高分辨率流场数据的残差.该模型结构便于实现迁移学习,可在不同程度的退化流场上应用.将该方法在多种经典流场数据集上进行测试,并与双三次插值(bicubic)、超分辨率生成对抗网络(SRGAN)、超分辨率卷积神经网络(SRCNN)等方法进行比较.结果表明,该方法在各种流场上的重建性能达到最佳水平,特别是对于包含小尺度涡结构的4倍下采样流场数据,客观评价指标SSIM达到0.999.     

随机系数下线性二次控制问题的最优性条件及其应用*

本文旨在研究随机系数下随机微分方程的线性二次最优控制问题.本文从闭环最优控制/策略存在的必要性条件的角度开展研究. 若闭环最优控制/策略存在, 得到其显示反馈表示、带伪逆运算的倒向随机Riccati方程的适定性及不同系数间满足的一些本质性条件. 此处结论本质地推广和改进了文[Ait Rami M, Moore J, Zhou X. Indefinite stochastic linear quadratic control and generalized differential Riccati equation [J]. {\it SIAM J Control Optim,} 2001, 40:1296--1311;Sun J, Yong J. Linear quadratic stochastic differential games: open-loop and closed-loop saddle points [J]. {\it SIAM J Control Optim,} 2014, 52:4082--4121;L\"{u} Q, Wang T, Zhang X. Characterization of optimal feedback for stochastic linear quadratic control problems,Probab Uncertain Quant Risk, 2017, 2017, 2:11, DOI 10.1186/s41546-017-0022-7]的相应结论.此外, 本文得到了一个关于倒向随机Riccati方程和二阶伴随方程两类方程适应解之间的微妙关系. 注意到,这一结论在现有文献中首次出现. 最后, 本文讨论了在均值方差对冲问题中的应用.     

面向近红外光谱定量分析的深度学习建模与模型迁移

近红外光谱分析技术依赖于表征光谱向量和预测目标之间关系的化学计量学方法。然而，样品的光谱由信号和各种噪声组成，传统化学计量学方法较难直接提取光谱的有效特征，并为复杂的预测任务建立具有较强泛用性的校正模型。进一步地，受限于仪器间的差异，在一台仪器上建立的模型应用于另一台仪器时，难以取得相同的定量分析结果。为此，提出了一种基于卷积神经网络和迁移学习的定量分析建模及模型传递方案，以提高模型在单仪器和跨仪器上的预测性能。在卷积神经网络的基础上，一种结合多尺度特征融合和残差结构，名为MSRCNN的先进模型被设计，并在主仪器上展现了卓越的预测能力。然后，设计了四种的基于fine-tune模型迁移策略，将在主仪器上建立的MSRCNN模型迁移到从仪器。在药品和小麦的公开数据集上的实验结果表明，MSRCNN在主仪器上的RMSE和R2分别为2.587，0.981和0.309，0.977，优于PLS，SVM和CNN。在利用30个从仪器的样本微调主仪器建立的模型后，迁移MSRCNN中的卷积层和全连接层的方案取得了最好效果，其RMSE和R2可分别达到2.289，0.982和0.379，0.965。增加参与模型微调的从仪器样本，可进一步提高性能。