基于ARMA辨识的色噪系统状态参数鲁棒估计

实际环境中观测系统的噪声,同时存在着白噪、色噪声和尖点噪声的影响.已有的研究都仅考虑白噪或色噪声,首次将实际系统中可能出现的所有噪声纳入观测方程,推导出统一的带白噪形式的观测方程.新观测方程在色噪声ARMA辨识基础上,可以直接用于传统的卡尔曼滤波算法,避免了扩维滤波.于是状态参数的稳健估计归结为ARMA参数的辨识.重点研究了自由参数选取与输入噪声之间的关系,将鲁棒支持向量回归机的优化问题转换成最大后验估计问题,为合理选择自由参数提供了理论依据.仿真结果验证了新算法的有效性.     

四阶累积量的MIMO雷达角度估计算法

针对色噪声环境下的MIMO雷达目标角度估计问题,提出一种新的参数估计算法.通过计算MIMO雷达接收数据的四阶累积量,并对构造出的累积量矩阵进行特征分解,结合MUSIC算法和ESPRIT算法实现了雷达目标的角度估计.在保证阵元扩展能力和目标分辨力的基础上进行了低复杂度改进,去掉了冗余信息,实现了目标参数的有效估计;同时由于采用四阶累积量,提高了算法抑制高斯噪声的能力,更利于工程应用.最后计算机仿真结果证实了算法的有效性和可行性.     

基于移动目标的DOA估计偏差校正

针对移动目标的波达方向估计容易出现偏差的问题,提出一种利用频移信息修正方位估计偏差的算法,解决了传统方位估计算法不能适用于高速移动目标或平台的问题。该方法利用基阵平台与目标的径向移动速度,估计中心频率偏移,然后利用频移信息修正传统的方位估计结果。仿真结果表明,该算法可以极大地提高移动目标的方位估计精度。此外,该算法对阵列的阵型和方位估计算法没有任何限制,因此具有广泛的适用性和较强的工程实用价值。     

色噪声环境下MIMO雷达相干目标角度估计算法

针对色噪声环境下的MIMO雷达相干目标角度估计问题,提出一种基于目标信息矢量重构的角度估计算法.算法对MIMO雷达的接收数据进行了低复杂度改进,通过计算四阶累积量,得到一组矢量并证明该矢量包含所有目标的角度信息,通过重构Toeplitz矩阵,结合MUSIC算法实现了色噪声环境下MIMO雷达相干目标的角度估计.算法保留了MIMO雷达的阵元扩展能力和目标分辨力,具有自动抑制加性高斯白噪声和色噪声的能力,实现了相干目标的有效估计,更利于在实际中应用.最后计算机仿真结果证实了算法的有效性和可行性.     

基于自适应阈值的FAST特征点提取算法

FAST特征提取算法阈值选取固定,因此不能满足不同图像的特征点抽取要求,并且提取的结果存在着多个特征点块的现象。针对这些缺陷,首先采用动态全局阈值对原始灰度图像进行初步提取得到候选特征点,然后采取动态局部阈值和非极大值抑制法进一步对候选特征点进行筛选,从而达到自适应选取阈值和抑制多个特征点块的目的。实验表明,改进后的算法稳定性高,对不同光照和对比度情况下有一定的适应能力,并且运算量相对比于其他一些特征提取算法要小得多,满足实时应用的要求。     

多目标环境下基于分布式融合思想的误差估计方法

针对多雷达多目标跟踪过程中分布未知的系统误差估计问题,提出了基于"分布式融合思想"的误差估计方法。给出相应误差估计方法的计算公式,利用改进截断奇异值方法来减轻矩阵病态性的影响,提高误差估计的稳健性。设置了两种不同的系统误差仿真场景,对"分布式"误差估计方法在两种情形下的估计性能进行了仔细对比分析。结合"分布式"误差估计方法与"集中式估计"方法所体现出的优缺点,提出了一种将两种方法结合起来的系统误差估计算法,算法通过合理选择阈值门限η,能够在多雷达多目标且系统误差分布未知的复杂环境下对两种误差估计算法自适应地进行切换,从而充分发挥两种误差估计算法各自的优点,给出更好的误差估计结果。     

量子雷达及其目标探测性能综述

量子技术与传统技术相结合以提升经典系统性能是近年来电子信息、计算机技术等众多科学领域研究热点。由于隐身和电子对抗技术的进步和日益成熟,雷达作为一类典型的电子信息系统,其目标探测受到了越来越多的挑战。从雷达目标探测角度出发,介绍了量子雷达的基本概念与分类、若干实现模型,重点剖析、归纳了量子纠缠等量子效应增强雷达目标探测性能的物理机理与研究现状,指出了量子雷达研究和实现中的关键技术与研究方向。     

切向空气气流对激光辐照碳纤维复合材料的影响

实验研究了靶材表面存在和不存在切向空气气流时,975nm连续激光对碳纤维增强树脂基复合材料的辐照效应,发现切向气流的加载有利于激光对碳纤维复合材料的破坏.从理论上对激光辐照下碳纤维复合材料的破坏机理进行了初步分析,基于碳的氧化特性和氧化反应机理,推导了碳纤维的氧化速率方程.采用改进的光滑粒子方法,对激光辐照下复合材料树...     

The logistic–exponential survival distribution

For various parameter combinations, the logistic–exponential survival distribution belongs to four common classes of survival distributions: increasing failure rate, decreasing failure rate, bathtub‐shaped failure rate, and upside‐down bathtub‐shaped failure rate. Graphical comparison of this new distribution with other common survival distributions is seen in a plot of the skewness versus the coefficient of variation. The distribution can be used as a survival model or as a device to determine the distribution class from which a particular data set is drawn. As the three‐parameter version is less mathematically tractable, our major results concern the two‐parameter version. Boundaries for the maximum likelihood estimators of the parameters are derived in this article. Also, a fixed‐point method to find the maximum likelihood estimators for complete and censored data sets has been developed. The two‐parameter and the three‐parameter versions of the logistic–exponential distribution are applied to two real‐life data sets. © 2008 Wiley Periodicals, Inc. Naval Research Logistics, 2008     

What you should know about simulation and derivatives

Derivatives (or gradients) are important for both sensitivity analysis and optimization, and in simulation models, these can often be estimated efficiently using various methods other than brute‐force finite differences. This article briefly summarizes the main approaches and discusses areas in which the approaches can most fruitfully be applied: queueing, inventory, and finance. In finance, the focus is on derivatives of another sort. © 2008 Wiley Periodicals, Inc. Naval Research Logistics, 2008