DM-UKF混沌拟合破译混沌直接序列扩频通信

针对已有混沌直接序列扩频通信系统的破译算法在低扩频因子和较大多径衰落下无法有效破译信息码的问题,提出了一种基于双模型无迹卡尔曼滤波混沌拟合的破译算法.所提算法联合多模型滤波原理,利用信息符号为有限集的特点,针对其不同取值分别建立对应的滤波模型.各模型下滤波器并行工作,利用广义同步系统同时拟合原混沌系统并估计混沌直扩信号,通过估计误差确定最佳匹配滤波模型,从而得到信息符号的估计.进一步通过引入误差控制因子,增大了不同模型下估计误差的距离,不仅有利于信息符号判定,并且减小了噪声和多径衰落对破译结果的影响.理论推导和仿真结果均证明提出的算法优于已有破译算法.     

时变时滞耦合两个不同复杂网络的自适应广义同步

针对具有时变时滞耦合的两个不同复杂网络, 研究其广义同步问题. 基于Barbalat引理, 设计非线性自适应控制器使得两个网络获得广义同步. 进一步研究了具有未知拓扑结构的两个网络的广义同步问题. 数值仿真表明了本文方法的有效性.     

基于广义局部频率的Duffing系统频域特征分析

针对传统功率谱在频率概念上的局限性及傅氏变换的固有缺陷, 提出一种新的广义局部频率概念,在自适应峰值分解方法的基础上, 研究周期激励下Duffing系统随阻尼参数r变化的频域动力学特征,发现了频率分岔现象, 并且不同参数r下的混沌时间序列在中心频率附近出现连续频段, 其形状具有相似性.通过厄米解调分析,总结出混沌时间序列具有频率调制特性和频率调制的相似性. 上述研究表明:提出的基于自适应峰值分解的广义局部频率方法, 能够有效提取Duffing系统的频域特征,为观察非线性系统混沌状态下频率连续分布规律提供一种新方法.     

自适应光学系统变形镜控制电压预测

在校正大气湍流畸变波前相差的自适应光学系统中,利用基于Levenberg-Marquardt学习算法的非线性反向传播神经网络技术（LMBP）对变形镜控制电压进行预测。以对受横向风影响的大气湍流畸变波前斜率数据为研究对象,通过数值仿真方法,研究了基于LMBP算法的自适应光学系统变形镜电压非线性预测控制算法。通过实验发现,预测电压和变形镜实际控制电压拟合效果良好。讨论了回溯帧数对预测效果的影响,并与基于递推最小二乘（RLS）算法的线性预测算法进行比较。对比结果表明,基于LMBP算法的非线性电压预测方法比基于递推最小二乘法的线性电压预测方法能更有效地降低系统由伺服延迟引起的误差。     

腔内双压电变形镜光强分布优化

报道了把20单元双压电变形镜作为闪光氪灯泵浦的Nd:YAG激光器的腔镜,优化激光器输出光束远场强度分布的实验结果。变形镜由随机并行梯度下降算法控制,以相机采集到的激光束远场环围能量作为算法的评价指标,控制双压电变形镜的面形向远场能量分布更加集中的方向变化。结果表明:系统在20 s内将远场光斑中的多个亮斑校正为单个亮斑,峰值光强与优化前相比提高了5倍;在腔镜倾斜较大时,实验系统将激光器的输出功率由0.006~0.051 W提升至0.330 W,验证了实验系统的有效性。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

感光性树脂应用于发光二极管平面自适应封装技术

采用感光性树脂+荧光粉进行了发光二极管平面自适应涂覆技术,实现了白光发光二极管荧光粉涂层的平面化工艺,使器件出光的亮度、空间色度均匀性较之传统封装工艺器件有了明显的改善,光斑及单管间色度、亮度偏差均小于6%.综合聚乙烯醇的感光和硅胶的物化、光学性能,在粉浆法工艺中采用乳化技术,实现了聚乙烯醇+硅树脂的多相结构的荧光粉平面涂层,有助于进一步改善荧光粉层的物化性能,而多相涂层有效折射率的提高更有利于提高器件的整体出光效率.由于感光性树脂其感光波长覆盖范围非常广,另外还可以通过光增感等技术使其感光波长范围变得其与发光二极管的发光波长相匹配,这样,对于各种荧光粉转化的白光发光二极管都可以实现平面涂层技术.由于大部分感光材料对紫外部分的吸收更强烈,所以对于紫外+三基色荧光粉的传统灌封技术将会得到明显的改善.     

无压渗流问题的混合自适应法

针对移动网格法和固定网格法求解无压渗流问题的不足,基于无网格法,提出了一种自由面调整的混合自适应法.该法能统一处理接近水平或垂直的自由面,且不依赖于初值,收敛性好,适用性强,结果比较精确.     

基于自适应遗传算法的OFDMA资源分配

针对OFDMA系统,提出了基于边缘自适应(MA)准则的子载波分配算法,该算法基于一种新颖的自适应遗传算法.在新算法中的交叉概率、变异概率随着群体适应度的改变而改变,同时在该算法的初始种群中加入优秀基因的个体,使得算法快速收敛,并能搜寻到优秀的子载波分配方案.仿真结果表明:新算法与已有分布式算法、遗传算法相比较,在性能上有较大的改善,并远优于静态的频分多址资源分配方式.