本文论述了作者对建立全球导航卫星系统(GNSS,Gloal Navigation Satellite system)的系统时间GNSST,守时实验室的时间基准TA(k)和UTC(k)(k为实验室代号)的整体构想和一些思考,并论述了时间尺度算法,驾驭算法,钟差预测算法是如何在其中发挥作用的.以北斗系统为例,提出了使用两级驾驭算法建立北斗系统时间BDT(Beidou System Time)的方法.以国家授时中心(NTSC,National Time Service Center)为例,详细描述了建立TA(NTSC)和UTC(NTSC)的整体构想,方法,原理和理论依据.分析了TA(NTSC)对UTC(NTSC)的性能影响;以及假如用UTC(NTSC)驾驭产生BDT时,UTC(NTSC)对BDT时间同步精度和频率稳定度性能的影响;最后给出了同时使用UTC(NTSC)和UTC(BSNC)来驾驭产生BDT的设想,从理论上分析了采用该方案对BDT性能提升的影响.
为了应对由复杂场景和目标形变所造成的目标难以检测的问题,提出一种基于图像显著性轮廓的目标检测方法.该方法首先利用全局概率边界算法(Globalized probability of boundary,gPb)提取图像轮廓,然后利用改进的最大类间方差法(Otsu)自适应地阈值处理获得图像的显著性轮廓;再通过检测并移除目标不稳定轮廓部分构造目标的鲁棒扇形模型;最后联合轮廓的多种局部及全局特征提出三种相似且基于特征概率密度分布的匹配策略,分别检测目标、目标镜面翻转以及发生旋转的目标.通过对多个数据库的实验分析,该方法能够有效地检测出目标及目标镜面翻转,同时在小偏转角范围有效检测旋转后的目标.
针对现有的基于模糊Petri网(Fuzzy Petri Nets,FPN)和直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)的推理方法在求解只涉及知识库中部分规则的问题时存在推理过程复杂、效率不高,而且不能对问题产生的原因进行分析等缺陷,提出一种基于IFPN的混合推理方法.该方法将反向推理与正向推理相结合,首先把所要求解的问题转化为目标库所,并引入关联库所、关联变迁和子模型等概念;其次运用反向推理寻找目标库所的关联库所和变迁并构建推理子模型,从而获取问题产生的潜在原因并简化推理模型;最后以子模型作为推理模型,运用正向推理求解目标库所的token值,解决了直接运用原模型进行推理时过程复杂且效率不高的问题.与此同时,通过在模型中引入阈值以及"路径"和"有效路径"等定义,排除无效关联库所,从而找出了问题产生的真正原因.实例验证表明该方法可行且有效,与现有方法的对比分析表明该方法克服了现有方法的缺陷.
随机最大似然算法(Stochastic Maximum Likelihood,SML)具有优越的波达方位(Direction-of-Arrival,DOA)估计性能,但SML解析过程较高的计算复杂度限制了该算法在实际系统中的应用.针对SML计算复杂度高的问题,提出一种低复杂度的粒子群优化算法(Particle Swarm Optimization,PSO),解决了传统PSO算法中粒子数多和迭代次数多的双重缺点.首先,根据天线获得的信号,将旋转不变子空间法(Estimation of Signal Parameters via Rotational Invariance Techniques,ESPRIT)求得的闭式解作为DOA的预估计值,同时计算系统此时的信噪比以及SML在此信噪比下的克拉-美罗界(Cramer-Rao bound,CRB).然后,根据DOA预估计值和当前CRB值在SML最优解的近邻范围内确定较小的初始化空间,并在该空间初始化少量粒子.最后通过设计合适的惯性因子w,使粒子以合理的速度搜索最优解.实验结果表明,改进PSO算法所需的粒子个数和迭代次数大约是传统PSO算法的1/5,降低了SML的解析复杂度,计算时间是传统PSO算法的1/10,因此在收敛速度上也有显著的优势.
量子元胞自动机(Quantum-dot Cellular Automata,QCA)是一种有望替代传统半导体晶体管的新型纳米器件.本文提出了一种改进的双边沿触发结构及其相应的JK触发器电路,用概率转移矩阵(Probabilistic Transfer Matrix,PTM)分析该触发结构,结果表明该结构较以往的可靠性更高.同时利用模块垂直堆叠方法来优化了JK触发器电路,新结构电路较之前的电路元胞数和整体面积均有所减少.