m 序列完备递归采样值的存在条件

本文用群论方法讨论了n级m序列完备递归采样值的存在条件,证明了对任意n级m序列,其完备递归采样值存在的充要条件是商群G=Z_p~*/H(其中p=2~n—1,Z_p~*={s|(s,p)=1},H={1,2,2~2,…,2~(n-1))为循环群。在完备递归采样值存在的条件下,求出了完备递归采样值的个数为n.φ(φ(2~n—1)/n)。最后给出了递归采样值的一个重要性质。     

基于BP神经网络的极移预报*

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出BP神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

利用HRRP序列提取弹道目标进动周期

进动是中段弹头的特有属性,依靠提取进动周期进行目标识别有很大的理论和实际意义。首先建立了中段弹头的圆环边缘滑动散射点模型,并给出各散射点的坐标表示。在此基础上,利用解线频调算法,通过控制慢时间采样间隔获取一维距离像序列,得到目标在不同姿态角下的成像结果。最后,分析成像序列特征,提出了一种新的进动周期估计算法。仿真实验表明,所提方法能够准确有效地提取目标的进动周期。     

BP神经网络在极移预报中的应用

为了提高地球定向参数极移的预报精度,建立了一个极移数据预报模型。利用傅里叶分析研究插值基础序列的周期特性,验证了基础序列重采样的可行性,提取插值基础序列数据的趋势项,利用多输入-单输出反向传播(Back Propagation,BP)神经网络建模预报不同跨度的残差序列,合并趋势项和残差序列得到最终的极移预报。预报结果表明,选取合适的插值基础序列得到的预报极移精度较高,此BP神经网络能够有效地应用于地球定向参数极移的预报。     

改进预测协方差门限法的采样周期自适应选择算法

传感器采样周期是影响目标跟踪的一个重要参数。现有自适应采样周期策略中,一些算法运算量比较大,计算效率低,不具有一般性。为此提出了一种改进的预测协方差门限法。该算法改进传统采样周期的全遍历寻优策略。最后与几种自适应采样周期算法与固定采样周期算法通过交互式多模型(IMM)滤波算法进行仿真比较。仿真结果表明该算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率,比固定采样周期算法更能节约资源。     

变结构MM估计器的模型集合序列条件估计

变结构多模型(VSMM)估计最重要、自然和实用的方法是递归自适应模型集合(RAMS)方法。它由两个功能部分组成:模型集合自适应和模型集合序列条件估计。本文是针对第二部分。具体一点,就是通过推广著名的交互多模型(IMM)算法得到基于任意时变模型集合序列的一般的最优单步高效的递归模型集合序列条件估计。这种递归提供了一种在RAMS中是最优的为新激活的模型分配概率并且对基于这些模型的滤波器进行初始化的自然和系统的方法。此外,还给出了基于任意两个模型集合(未必是不相交)获得整体估计的最优和高效的融合方法。最优递归和融合为模型集合序列条件估计问题提供了对于大多数实际问题都相当令人满意的解决方案。这里给出的结果已经应用在最近建立起来的两个变结构MM估计器,似然模型集合和模型群切换算法中。这些算法是普遍适用和容易实现,并且明显优于可用的最好的固定结构的MM估计器。     

一种基于周期分区的时间调度算法

针对多功能相控阵雷达任务实时调度问题,提出了一种基于采样周期分区的时间资源调度算法(记为PD)。该算法以各类任务采样周期的最大公约数为分区标准,将各采样周期均分为多个等长区间,再将各类任务平均分配到不同分区中调度执行,可解决调度过程中任务因采样周期不同产生冲突的难题。仿真结果表明,该算法可提高系统任务调度能力,可广泛应用于相控阵雷达任务调度及其他实时任务调度系统。     

一种Turbo码中伪随机交织器的盲识别方法

目前Turbo码的构造中广泛应用的是伪随机交织器,要完成对Turbo码的识别,必不可少地需要得到伪随机交织器的参数。针对伪随机交织器的识别问题,通过引入扩频通信中PN序列盲估计的方法,利用功率谱二次处理法求出交织长度即m序列周期,再用特征分解方法对序列进行估计。仿真实验表明,该方法能够求出m序列的相关参数,完成对伪随机交织器的识别需求。     

PN序列的周期性和相关性对自适应均衡器的影响

本文研究了当采用 PN 序列(即 m 序列)作为自适应均衡器训练信号时,其周期性和相关性对自适应均衡器的影响,文中以自适应线性均衡器为例,定义了相对均方误差的概念,并把它作为性能函数,讨论了 PN 序列的周期大小以及相关性与相对均方误差的关系,分析并举例给出了计算结果,结果表明,采用 PN 序列作为自适应均衡器的训练信号,同时自适应均衡器抽头数目在最佳值范围内,在此条件下,不必选取很大周期的 PN 序列,而只要满足其周期值 N 不小于15(二进制信号),就能基本保证相对均方误差小于5%;推广到 Q 进制信号.当 N 不小于15log_2Q时,就能保证相对均方误差小于5%,此结论也适用于判决反馈均衡器。     

非整周期采样信号频率估计的加窗相位差法

针对相位差法频率估计精度受信号非整周期采样影响的问题,在相位差法基础上提出了非整周期采样信号频率估计的加窗相位差法。首先,利用FFT法获得信号频率粗估计值,根据频率粗估计值设计矩形窗,对采样信号重新分段,获得2段近似整周期采样的加窗信号;其次,利用第1段加窗信号求取频谱峰值所在位置;然后,利用DFT计算出2段加窗信号频谱峰值处的相位差,得到频谱峰值位置校正量;最后,根据频谱峰值位置及其校正量计算频率精估计值。模拟计算和实测实验表明,所提方法有效抑制了信号非整周期采样带来的影响,提高了相位差法的测频精度,改善了LFMCW雷达的测距精度。     

Sequential and systematic sampling plans for the Markov‐dependent production process

Acceptance sampling plans are used to assess the quality of an ongoing production process, in addition to the lot acceptance. In this paper, we consider sampling inspection plans for monitoring the Markov‐dependent production process. We construct sequential plans that satisfy the usual probability requirements at acceptable quality level and rejectable quality level and, in addition, possess the minimum average sample number under semicurtailed inspection. As these plans result in large sample sizes, especially when the serial correlation is high, we suggest new plans called “systematic sampling plans.” The minimum average sample number systematic plans that satisfy the probability requirements are constructed. Our algorithm uses some simple recurrence relations to compute the required acceptance probabilities. The optimal systematic plans require much smaller sample sizes and acceptance numbers, compared to the sequential plans. However, they need larger production runs to make a decision. Tables for choosing appropriate sequential and systematic plans are provided. The problem of selecting the best systematic sampling plan is also addressed. The operating characteristic curves of some of the sequential and the systematic plans are compared, and are observed to be almost identical. © 2001 John Wiley & Sons, Inc. Naval Research Logistics 48: 451–467, 2001     

电火工品发火信号波形采样研究

针对采样频率选取不当使采集的电火工品发火信号波形失真问题,研究了在实际采样过程中采样频率的取值方法。首先根据发火信号的特征,设计了采样方案;然后利用虚拟仪器软件对发火信号进行频谱分析,确定合适的采样频率和采样点数,进而采集完整的信号波形;最后结合试验数据对采样频率的选取进行了分析,得出了在实际采样过程中采样频率的取值规律。     

信号的直接采样理论

经典的采样定理建立了带限信号与其均匀采样值之间的联系。本文对采样定律作了三点补充 :1)给出在定理条件不满足时 ,由均匀采样值恢复的信号与原信号的误差表达式 ;2 )用简洁的方法分析了带通信号的均匀采样问题 ,得到了采样率应满足的条件 ;3)研究了一种特殊的非均匀采样情况 ,给出了采样率的可取范围以及由非均匀采样重构原信号的公式。这些都是对经典采样定理的丰富和深化。     

The effect of nonnormality on variables sampling plans

Acceptance sampling plans based on variables have been in use for many years. Recently, there has been a renewal of interest in these plans, because of the relative efficiencies that they offer with respect to attributes sampling regarding sample size. Furthermore, in situations where acceptable quality levels are very small, and a high level of protection is desired, variables sampling is often much more efficient than attributes sampling. An important disadvantage of variables sampling is that the distribution of the parameter being inspected must be known. Most standard variables sampling plans assume that the distribution of this parameter is normal. This article examines the effect of the normality assumption in variables sampling. Methods to detect departures from normality are reviewed.     

OFDM系统非数据辅助采样频率偏差估计的Cramér Rao界

研究了OFDM系统中非数据辅助采样频率偏差估计性能的衡量问题,推导了其Cramér Rao界(CRB).根据中心极限定理,对接收信号中的子载波间干扰进行近似,推导了在未知调制信息时接收信号的概率密度;根据CRB的定义,对非数据辅助采样频率偏差估计的CRB进行了推导;通过蒙特卡罗积分的方法得到了在不同OFDM基带调制方式...     

基于多通道采样数据的高速存储系统设计

建立了一个四层文件系统,将来自多个通道的采样数据按存储任务编号、通道号、采样起始时间分层存储,并对每层数据提供相应的索引文件,提供了按通道号及时间段的快速查询服务。测试表明,在IBM服务器上达到了150 MB/s的存储速度,可以满足同时300个通道的实时采样数据存储任务。     

几何凸集中一个递归关系的建立与求解

几何凸集中递归关系的建立是求解问题的关键。本文对一个定理中递归关系的建立给出了容易理解的详细表述,然后利用生成函数法求其解。     

Adaptive importance sampling for extreme quantile estimation with stochastic black box computer models

Quantile is an important quantity in reliability analysis, as it is related to the resistance level for defining failure events. This study develops a computationally efficient sampling method for estimating extreme quantiles using stochastic black box computer models. Importance sampling has been widely employed as a powerful variance reduction technique to reduce estimation uncertainty and improve computational efficiency in many reliability studies. However, when applied to quantile estimation, importance sampling faces challenges, because a good choice of the importance sampling density relies on information about the unknown quantile. We propose an adaptive method that refines the importance sampling density parameter toward the unknown target quantile value along the iterations. The proposed adaptive scheme allows us to use the simulation outcomes obtained in previous iterations for steering the simulation process to focus on important input areas. We prove some convergence properties of the proposed method and show that our approach can achieve variance reduction over crude Monte Carlo sampling. We demonstrate its estimation efficiency through numerical examples and wind turbine case study.     

药物效用鉴定的序贯抽样检验方法和条件推导

给出了制定药物效用鉴定的序贯抽样检验方案,对未用的同类药品进行随机抽样,利用抽样结果,对剩下的N-n个样品的性能进行推断,得到判断药品是否失效的抽样方法以及有效的抽样截断方案,在减小抽样量的前提下,准确的判断药物是否有效.并对该序贯抽样性能的优劣与固定样本最优检验方法进行了比较,得到在犯同样错误的前提下,序贯抽样检验的样本量比固定样本最优检验的样本量小的多.