实时动态差分(real time kinematic,RTK)定位技术因其成本低、实时性强等优点,已成为实时位移监测领域的重要技术手段.然而,随着跨海大桥、海上平台等远距离基础设施对高精度实时位移监测需求不断增长,常规RTK技术在长距离作业中,因测...实时动态差分(real time kinematic,RTK)定位技术因其成本低、实时性强等优点,已成为实时位移监测领域的重要技术手段.然而,随着跨海大桥、海上平台等远距离基础设施对高精度实时位移监测需求不断增长,常规RTK技术在长距离作业中,因测站间距离增加导致大气误差(对流层和电离层延迟)的空间相关性降低,差分后残余大气误差难以充分消除,严重影响模糊度的收敛从而影响定位精度.针对这一问题,提出一种大气误差附加约束的长距离RTK定位方法:1)将经先验模型改正并进行差分后残余的对流层和电离层延迟参数化并纳入估计模型,针对残余误差分别建立先验约束:对流层残差基于台站间高差和测站距离构建先验方差,更全面地刻画长距离条件下对流层残差的不确定性;电离层残差结合纬度相关性构建先验方差,实现对定位参数解算过程的稳健约束;2)考虑大气误差的时变特性,采用随机游走过程对对流层和电离层参数进行动态估计,电离层活动变化大,随机游走噪声建模考虑基线长度和卫星高度角变化,使动态估计更符合实际情况.基于国际GNSS服务组织(International GNSS Service,IGS)测站和海上平台实测数据开展试验,结果表明:相较于常规RTK方法,所提方法在不同的观测环境下均有效缩短了收敛时间和模糊度首次固定时间,显著提升了模糊度固定率,同时在水平和垂向定位精度上取得明显改善.展开更多
R-DSP(Radar Digital Signal Processor)芯片中BSU(Branch Shift Unit)运算部件具有较大的设计规模和复杂度,传统Verilog验证平台难以满足其验证需求问题。针对该问题,文中采用UVM(Universal Verification Methodology)方法对BSU运算部...R-DSP(Radar Digital Signal Processor)芯片中BSU(Branch Shift Unit)运算部件具有较大的设计规模和复杂度,传统Verilog验证平台难以满足其验证需求问题。针对该问题,文中采用UVM(Universal Verification Methodology)方法对BSU运算部件进行功能验证。搭建基于SystemVerilog语言实现的UVM验证平台,使用定向测试和带约束的随机测试进行验证,并采用覆盖率驱动的方法指导测试用例的生成,以充分覆盖BSU运算部件的各个功能和代码路径。经过多轮测试激励验证,代码覆盖率接近100%,完成了对BSU运算部件的功能验证。所提方法为R-DSP芯片中的ALU(Arithmetic Logic Unit)、AGU(Address Generation Unit)、MU(Multiplication Unit)等运算部件的验证工作提供了参考和借鉴。展开更多
针对包含复杂约束条件的约束多目标优化问题(CMOP),在确保算法满足严格约束的同时,有效平衡算法的收敛性与多样性是重大挑战。因此,提出一种双种群双阶段的进化算法(DPDSEA)。该算法引入2个独立进化种群:主种群和副种群,并分别利用可行...针对包含复杂约束条件的约束多目标优化问题(CMOP),在确保算法满足严格约束的同时,有效平衡算法的收敛性与多样性是重大挑战。因此,提出一种双种群双阶段的进化算法(DPDSEA)。该算法引入2个独立进化种群:主种群和副种群,并分别利用可行性规则和改进的epsilon约束处理方法进行更新。在第一阶段,主种群和副种群分别探索约束Pareto前沿(CPF)与无约束Pareto前沿(UPF),从而获取UPF和CPF的位置信息;在第二阶段,设计一种分类方法,根据UPF与CPF的位置对CMOP进行分类,从而对不同类型的CMOP执行特定的进化策略;此外,提出一种随机扰动策略,在副种群进化到CPF附近时,对它进行随机扰动以产生一些位于CPF上的个体,从而促进主种群在CPF上的收敛与分布。把所提算法与6个具有代表性的算法:CMOES(Constrained Multi-objective Optimization based on Even Search)、dp-ACS(dual-population evolutionary algorithm based on Adaptive Constraint Strength)、c-DPEA(DualPopulation based Evolutionary Algorithm for constrained multi-objective optimization)、CAEAD(Constrained Evolutionary Algorithm based on Alternative Evolution and Degeneration)、BiCo(evolutionary algorithm with Bidirectional Coevolution)和DDCMOEA(Dual-stage Dual-population Evolutionary Algorithm for Constrained Multiobjective Optimization)在LIRCMOP和DASCMOP两个测试集上进行实验比较。实验结果表明,DPDSEA在23个问题中取得了15个最优反转世代距离(IGD)值和12个最优超体积(HV)值,展现了DPDSEA在处理复杂CMOP时显著的性能优势。展开更多
文摘实时动态差分(real time kinematic,RTK)定位技术因其成本低、实时性强等优点,已成为实时位移监测领域的重要技术手段.然而,随着跨海大桥、海上平台等远距离基础设施对高精度实时位移监测需求不断增长,常规RTK技术在长距离作业中,因测站间距离增加导致大气误差(对流层和电离层延迟)的空间相关性降低,差分后残余大气误差难以充分消除,严重影响模糊度的收敛从而影响定位精度.针对这一问题,提出一种大气误差附加约束的长距离RTK定位方法:1)将经先验模型改正并进行差分后残余的对流层和电离层延迟参数化并纳入估计模型,针对残余误差分别建立先验约束:对流层残差基于台站间高差和测站距离构建先验方差,更全面地刻画长距离条件下对流层残差的不确定性;电离层残差结合纬度相关性构建先验方差,实现对定位参数解算过程的稳健约束;2)考虑大气误差的时变特性,采用随机游走过程对对流层和电离层参数进行动态估计,电离层活动变化大,随机游走噪声建模考虑基线长度和卫星高度角变化,使动态估计更符合实际情况.基于国际GNSS服务组织(International GNSS Service,IGS)测站和海上平台实测数据开展试验,结果表明:相较于常规RTK方法,所提方法在不同的观测环境下均有效缩短了收敛时间和模糊度首次固定时间,显著提升了模糊度固定率,同时在水平和垂向定位精度上取得明显改善.
文摘针对包含复杂约束条件的约束多目标优化问题(CMOP),在确保算法满足严格约束的同时,有效平衡算法的收敛性与多样性是重大挑战。因此,提出一种双种群双阶段的进化算法(DPDSEA)。该算法引入2个独立进化种群:主种群和副种群,并分别利用可行性规则和改进的epsilon约束处理方法进行更新。在第一阶段,主种群和副种群分别探索约束Pareto前沿(CPF)与无约束Pareto前沿(UPF),从而获取UPF和CPF的位置信息;在第二阶段,设计一种分类方法,根据UPF与CPF的位置对CMOP进行分类,从而对不同类型的CMOP执行特定的进化策略;此外,提出一种随机扰动策略,在副种群进化到CPF附近时,对它进行随机扰动以产生一些位于CPF上的个体,从而促进主种群在CPF上的收敛与分布。把所提算法与6个具有代表性的算法:CMOES(Constrained Multi-objective Optimization based on Even Search)、dp-ACS(dual-population evolutionary algorithm based on Adaptive Constraint Strength)、c-DPEA(DualPopulation based Evolutionary Algorithm for constrained multi-objective optimization)、CAEAD(Constrained Evolutionary Algorithm based on Alternative Evolution and Degeneration)、BiCo(evolutionary algorithm with Bidirectional Coevolution)和DDCMOEA(Dual-stage Dual-population Evolutionary Algorithm for Constrained Multiobjective Optimization)在LIRCMOP和DASCMOP两个测试集上进行实验比较。实验结果表明,DPDSEA在23个问题中取得了15个最优反转世代距离(IGD)值和12个最优超体积(HV)值,展现了DPDSEA在处理复杂CMOP时显著的性能优势。
