风力机叶片气动噪声影响周边居民生活的问题开始引起研究人员的关注。现有研究大多基于CFD软件或实验数据拟合方法对其气动噪声进行分析,难以适应气动噪声随风速变化的动态分析需求。考虑风力机运行状态、来流风速以及接收点位置的影响,基于传统气动声学理论,建立了风力机叶片气动噪声计算的修正模型,并基于Matlab软件的Simulink模块,运用时域分析方法,对一种2MW风力机叶片的气动噪声进行了编程计算,并绘制了风力机叶片气动噪声的声压时间序列图,为开发低噪声风力机叶片提供了理论依据。

针对多输入多输出（MIMO）复杂过程控制中控制性能偏慢等问题，对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳，提出了一种粒子群优化算法，提高了PSO算法的收缩因子以保证优化的收敛性，并进行了Matlab仿真。研究结果表明，所提出的神经网络PID控制器的改进粒子群算法优化，在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。

针对OFDM系统中存在高峰值平均功率比（PAPR）影响系统性能，而传统的选择性映射（SLM）解决方法具有高复杂度且不能完全避免系统中高峰值信号出现的缺点，在研究映射和限幅算法的基础上，提出了一种S L M-C联合算法，该算法利用选择性映射方法和限幅方法在性能上互补的特性来降低P A P R.Matlab仿真结果表明，该联合算法有效地降低了OFDM系统的峰均比，且具有复杂度低，易实现等优点。

对Wilson、通用似化学(UNIQUAC)和非随机双液(NRTL)3种活度系数模型在离子液体体系中的相平衡应用进行了系统的比较。考察了酮类、烃类、酯类、醇类、醚类和水6类溶质与离子液体组成的二元体系，对3种活度系数模型进行了参数回归，得到了二元交互作用参数。以拟合较好的丙酮／甲醇二元体系为例，预测了丙酮／甲醇／[EMIM][triflate]三元体系的温度一组成，并与实验进行了比较。结果表明，无论在回归或是在预测中，NRTL活度系数模型均能取得满意的效果：而Wilson和UNIQUAC模型依赖于特定的体

提出了一种基于三维射线弹跳法的并行电磁波传播预测算法。三 维射线弹跳法中每条射线跟踪、每个绕射源都具备可并行性,其并行计算可分为射线 并行、绕射源并行2个阶段先后处理。每个阶段都使用管理者/工作者并行模式,管 理节点依据各个工作节点的任务量动态分配任务,并收集计算结果,工作节点并行完 成射线跟踪或绕射源处理任务。测试结果表明:该算法的加速比趋于线性,可扩展性 好,利用128个CPU核求解大规模问题时加速比可达116,并行效率约为90%。

根据积分方程法反演地球重力场的数学模型，利用GOCE卫星2009-11-02~2010-01-02共61d的精密轨道数据反演了几组地球重力场模型。结果表明，GOCE卫星轨道能有效提取地球重力场的长波信息，弥补了GOCE卫星重力梯度带宽的限制，在106阶次的大地水准面误差为±9．6cm，该阶次精度优于EIGENCHAMP03S及GRACE卫星两个月轨道反演地球重力场的精度，但由于两极空白，反演的带谐位系数精度偏低。联合GOCE及GRACE卫星轨道反演的模型在106阶次的大地水准面误差为士6．9cm，弥补丁G

相位差分算法是正弦频率估计中的一种重要方法。首先详细介绍了加权相位差分测频算法的原理,应用仿真方法分析了不同数据长度、不同信噪比情况下的测频性能,并与其他工程常用的测频算法进行了比较,然后对该算法在工程应用中的改进方法和降低信噪比检测阈值的方法进行了论述,最后给出了基于FPGA的工程实现框图。

为了有效抑制多址干扰,提出了一种低复杂度的 LDPC编码的超宽带系统的迭代多用户检测算法。所提出的迭代接收结构有3个级:脉冲检测器、符号检测器和信道译码器,每一级输出的软信息作为下一次迭代的先验信息。采用简化的超宽带离散时间旭钆模型,使接收机复杂度大大降低。仿真结果表明,所提出的算法明显优于传统的准多用户检测算法,并且经过少数次的迭代,即可有效抑制多址干扰,达到单用户的性能。

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况，采用经典的最小二乘(LS)算法会导致估计结果有偏，而一般的批处理算法运算量大，不满足定位的实时性要求。为此提出一种递推总体最小二乘定位(RTLS)算法。在建立机载无源测向定位模型的基础上，引入由系数矩阵和观测向量构成的增广矩阵，利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程，从而推导出RTLS定位算法。仿真结果表明，RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法，并且实现了TLS算法对目标位置的实时估计，能够定位

偏最小二乘回归（PLSR）统计建模方法本质上是对数据平均趋势的估算，无法避免“依据错误的数据得到错误的模型”的根本问题.为此，提出用数据包络分析（DEA）优化偏最小二乘回归的建模方法，用DEA方法对数据进行评价，剔除无效数据，将有效的数据用来偏最小二乘回归建模.该方法能有效克服干扰数据对提取成分的影响，弥补偏最小二乘方法的不足.通过实例计算并与PLSR、主成分回归（PCR）比较分析表明：DEA优化偏最小二乘回归建模平均绝对误差为2.66%，低于PLSR的4.07%和PCR的4.45%.