一种传感器网络时空融合模型

针对多传感器间存在时空相关性和先验知识未知的情况,提出了一种基于核偏最小二乘最优加权的传感器网络时空融合模型。首先用核偏最小二乘法对每个传感器在不同时刻的测量值进行融合,然后将各个传感器同时刻的估计值进行空间最优融合,从而得到被测参量的最终融合估计。该模型还能排除那些取值远离样本点集合平均水平的奇异点。理论分析和融合实验表明,该模型能取得较高的融合精度,并能显著节省网络能量。     

线性模型的海基制导系统误差分离方法性能分析

利用传统制导工具系统误差线性回归模型，对Bayes估计、主成分分析以及正则化分析三种改进的分离方法进行了比较，分析了它们在工程应用上的优缺点，给出了实际应用时的限制因素；同时结合海基导弹特有的初始状态误差，设计了整体估计、分段估计以及迭代估计三种估计策略，给出了相应的分离步骤。仿真结果表明，文中给出的三种误差分离方法在不同的评价标准下具有不同的实际应用意义；而在弹道差评价标准以及方差评价标准下，分段估计和迭代估计策略下的误差分离结果要明显好于传统整体估计结果。     

用于卫星干扰源定位的压缩感知DOA估计方法

针对传统测向方法的实际应用性能较差,提出一种基于压缩感知(CS)的卫星干扰源定位方法。根据干扰信号方位角的空间稀疏性,建立了压缩感知波达方向(DOA)估计模型。通过协方差矩阵的高阶幂逼近信号子空间和矩阵的共轭对称特征,利用高阶幂矩阵的主对角线下左下角列向量进行波达方向估计。仿真实验验证,该方法不需要已知干扰源数,具有较高的精度和较好的分辨力,且能满足对相干干扰信号的估计。对压缩感知DOA估计在卫星干扰源定位中的应用具有一定参考意义。     

变结构多模型估计第III部分:模型群切换算法

本文提出了一种称为模型群切换算法(MGS)的通用的变结构多模型(VSMM)估计器.它假设整个模型集合可以用一定数目的模型群来覆盖,每个模型群代表相互间紧密联系的一族系统行为方式或结构,在任何给定时刻,由一个硬决策来决定具体运行的模型群。它是第一种可普遍应用于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。同时,它很容易实现。通过一个简单的失效检测和识别的例子显示当具有与固定结构的交互多模型(FSIMM)估计器相同的性能时,MGS算法可以从本质上减少计算量。     

基于波达方向矩阵的矢量水听器方位频率联合估计

提出了一种新的基于单个矢量水听器的方位频率联合估计方法--波达方向矩阵法.利用矢量水听器的时延数据,构造了两个相同的子阵,通过对波达方向矩阵的特征分解,实现了对目标信号的波达方向估计,并同时得到了目标的频率特征.计算机仿真实验表明,该方法具有较好的估计精度.     

车辆兵器GPS/DR/DM组合导航系统的研究

研究了GPS/DR/DM组合导航系统在车辆兵器上的应用,通过分析GPS(GlobalPositioningSystem)和DR(Dead-Reckoning)各自导航、定位的原理及特点,以及DM(DigitalMap)的特点,设计了一种新型的低成本车辆兵器GPS/DR/DM组合导航系统,并且用自适应的扩展卡尔曼滤波器对组合系统进行了仿真实验,证明了本系统的可行性。结果是车辆兵器GPS/DR/DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高,充分说明GPS/DR/DM组合导航系统是一种很有应用前景的车辆兵器导航系统。     

基于LS信道估计的SC-FDE系统性能研究

无线高速传输系统中存在严重的多径干扰,因此需要采用均衡技术,而均衡技术需要接收端准确掌握信道参数。根据文中设计的帧结构,本文改进了最小二乘(LS)信道估计算法并提出一种新的信噪比估计方法,该改进算法可以在减少运算量的同时保持估计精度。利用估计出的信道参数,文中仿真比较了三种不同均衡技术对系统性能的影响,最终的结果表明,该信道参数估计方法联合判决反馈均衡,可以很好的实现SC-FDE系统的高速信号传输,满足实际系统设计的需要。     

196单片机在火控计算机中的应用

火控输出机是介于雷达和火炮之间的重要环节,在系统规定周期内,通过共享存贮器接收主机送来的位置和速度以及加速度数字量.完成数据插值、粗精分离.输出机在插值输出时与主机同步,并设计两种复位信号标志,手动复位和加电复位,使软件根据复位标志判断是否使火炮归零.火控输出机在火控系统中担当重要角色,它可根据火控主机解算后传输来的数据准确将火炮定位.     

一种基于KNN-SVR的基因表达缺失值的估计方法

为了消除不相似基因对基因表达谱中缺失值估计的影响,提出了一种基于KNN SVR的缺失值估计方法.该方法先通过最近邻法选出与目标基因表达最相似的一组完全基因,再用这些基因通过支持向量回归对缺失值进行估计.还提出了用标准化偏差的方差来度量算法的稳定性和估计值的可信度.该方法通过对基因的过滤提高了缺失值估计的有效性.实验结果表明,KNN SVR法具有较高的估计精度和稳定性.