GNSS抗干扰技术综述

随着电磁环境的日益复杂、干扰技术的不断进步，全球卫星导航系统（Global Navigation Satellite System，GNSS）的各类应用受到了严重阻碍，在强干扰环境中，扩频增益不足以对干扰进行有效抑制，需采用各种抗干扰措施。对GNSS抗干扰技术进行了分类，概述了不同抗干扰技术的研究现状及进展，并对GNSS干扰源与干扰类型进行了归纳总结，给出了不同干扰类型对应的抗干扰方法，进一步对比分析了几类常见自适应算法的性能，最后指出了GNSS抗干扰技术未来的研究趋势。     

基于PSO-SAS的联合侦察任务规划

针对联合侦察筹划中任务规划阶段机动侦察平台阵位与路线确定困难的问题，提出了一种基于粒子群优化-稀疏A星(Particle Swarm Optimization—Sparse A-star,PSO-SAS)算法的规划方法。该方法综合考虑侦察装备机动性能以及敌火力威胁、地形等因素，在侦察阵位规划上，建立了阵位综合评估模型，并利用粒子群算法进行阵位寻优；在路线规划上，采用稀疏A*算法进行航迹规划，通过将机动性能、安全距离、路程等约束引入搜索过程，缩短最优路线的计算时间。仿真试验验证了所提方法生成的侦察阵位和路线能够满足侦察任务要求。     

利用ACE值构造QC-LDPC码

为进一步提升中短码长下准循环低密度奇偶校验(Quasi-cyclic Low-density Parity-check,QC-LDPC) 码的纠错性能，提出了一种综合短环数目和环连通性的QC-LDPC码构造方法。首先，采用Golomb规则构造QC-LDPC码，对基矩阵中的部分元素进行替换预处理，初步降低短环数目；其次，采用所提的利用近似环外信息度（Approximate Cycle Extrinsic message degree，ACE）的消环掩模算法来优化QC-LDPC码，使得掩模后的校验矩阵具有较大的ACE平均值，最终完成QC-LDPC码的构造。该构造方法简单、通用性强，在短环数目和连通性间进行了平衡。与只考虑减少短环数目、增大围长等方法相比，该方法构造的QC-LDPC码有更加优异的纠错性能。     

一种加权聚类划分决策树算法

针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题，提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重，并将权重用于树结点中数据的聚类过程，使用分簇结果对结点进行多路划分，得到可直接用于多分类问题的决策树。理论分析和实验结果表明，该算法与经典轴平行决策树相比，拥有更好的泛化能力以及相近的算法时间复杂度，与大部分斜决策树相比，在付出更少计算代价的前提下，获得了近似的正确率以及模型简洁度。     

强化责任担当 促进个私经济健康发展

近年来,江苏省私营个体经济协会在中个协和省市场监管局的领导下,谨记总书记对个私协会系统的寄语,紧紧围绕江苏"两聚一高"发展目标,着力优化民营经济发展环境,促进民营经济转型升级、优质发展,改革创新、引智借力,不断提升服务层次、创新服务内容、突出服务实效,开创了协会工作新局面自我担任江苏省私营个体劳动者协会秘书长职务以来,协会主要做出的工作有以下几个方面:一是努力当好政策法规的普及者。     

一种基于CNN与LSTM结合的微表情识别算法

微表情表现强度微弱且非常短暂。针对微表情识别效果不理想的问题，以视觉几何组（Visual Geometry Group，VGG）网络为基础，提出卷积神经网络（Convolutionnal Neural Network，CNN）与长短期记忆网络（Long Short-Term Memory，LSTM）结合的识别算法。CNN提取数据集CASME II的空域特征，LSTM处理时域特征，实现空域与时域特征的结合。针对深度学习训练困难以及过拟合问题，加入批量归一化算法与丢弃法，提高网络训练速度，有效防止过拟合。针对数据集稀缺的问题，固定每次读取帧序列的长度，随机生成起始帧的位置，不断循环读取以遍历整个数据集并达到数据扩增。根据实验结果，五类微表情(高兴、惊讶、厌恶、抑郁、其他)识别率最高可达72.3%。     

区域多任务安全隐患排除的机器人调度策略

针对灰狼优化算法易陷入局部最优且单一算法不易解决障碍物空间多机器人隐患搜排的调度问题，提出了一种分步引导式多机器人安全隐患协同排除调度策略。首先引入非线性收敛因子调整策略和静态加权平均权重策略改进灰狼优化算法以避免算法陷入局部最优；随后通过改进的灰狼优化算法先后两次求解遍历顺序，引导机器人规划搜索路径与排除隐患点路径；最后在领航者-跟随者模型的基础上多机器人编队与队形变换避障，逐一到达隐患点位置实现多机器人的调度策略。通过国际通用6个基准函数进行测试，改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高，验证了区域多任务安全隐患排除的分步引导式多机器人协同调度策略的有效性。