声矢量阵降维平行因子模型及方位估计方法

针对原有的声矢量阵三阶PARAFAC(平行因子)模型维数高、参数求解过程运算量大的缺点,建立了一种降维的PARAFAC模型。将声矢量阵看作空间共点的声压传感器子阵和振速传感器子阵,计算各子阵输出数据的自协方差,并构造了三阶张量,最后证明该张量满足三阶PARAFAC模型并利用交替迭代算法估计声源参数。仿真和实测数据表明:该方法可以用于多目标方位估计且估计精度优于超分辨率的ESPRIT算法。     

碳纤维混凝土抗冻性能试验研究

为了增强高昼夜温差地区营房屋面和墙体的抗裂性能,提高营房安全性、舒适性及使用寿命,利用快速冻融法对碳纤维混凝土进行了300次冻融循环试验,并测量其相对动弹性模量和质量损失情况。结果显示:普通混凝土在150次冻融循环试验后试件破坏严重,平均质量损失了0.695 kg,损失率为6.9%;碳纤维混凝土在300次冻融循环试验后外形仍保持较好的完整性,平均质量损失了0.514 kg,损失率为5.19%,相对动弹性模量最多下降了34%,其中体积分数为1%的碳纤维混凝土平均质量损失仅为0.398 kg,损失率为4.05%,相对动弹性模量下降了31%。试验表明碳纤维可以改善混凝土的抗冻性能,适用于高昼夜温差地区建筑。     

改进多重信号分类算法的宽带频谱快速感知方法

针对宽带频谱感知中采样率大、感知时间长的问题,在调制宽带转换器采样的基础上提出了一种改进多重信号分类算法的宽带频谱快速感知方法。调制宽带转换器对宽带频谱进行欠奈奎斯特采样,以最小描述长度准则估计信号个数,用改进多重信号分类谱估计信号位置。算法引入调整因子,使得多重信号分类谱中信号位置更为明显,降低了噪声的干扰。整个感知过程无须重构原始波形,无须计算频谱,大大降低了计算量,而且感知算法计算复杂度低,提高了感知效率。仿真结果表明,在低信噪比的情况下,该算法仍具有很好的检测性能。     

正交频分复用/偏移正交振幅调制半盲信道估计

非合作通信背景下,针对传统干扰近似法(IAM)进行正交频分复用(OFDM)/偏移正交振幅调制(OQAM)系统信道估计需要导频符号值作为先验信息的问题,提出一种基于OQAM符号特征的IAM(OCBIAM)估计算法。该算法利用IAM导频结构和OQAM实符号的有限集特征,将信道衰落系数幅度和相位分开估计,在仅获得导频位置而未知导频符号值的条件下实现了OFDM/OQAM系统半盲信道估计。并且证明了OCB-IAM算法由于利用接收符号的二阶统计量将高斯白噪声变为非随机的单音干扰,从而在中低信噪比条件下具有优于IAM算法的估计性能。仿真实验验证了理论推导的正确性和OCB-IAM算法的可靠性。     

辅助通道参数模型估计射电天文抗干扰方法

针对单通道射电天文抗干扰方法在观测数据干噪比较低情况下的干扰消除性能降低甚至失效的问题,通过引入辅助天线观测提出了一种基于参数模型估计的抗干扰方法。该方法利用辅助天线所接收到的具有较高干噪比的观测数据建立干扰信号参数的估计模型,同时通过构建主辅通道参数差异性模型对估计模型进行修正,实现对干扰信号参数的精确估计,达到消除干扰信号的目的。仿真实验表明,相比于单通道方法,改进后的方法在解决低干噪比条件下的射电天文抗干扰问题方面具有更广泛的适用范围。     

基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪

Rao-Blackwellized粒子滤波虽然适合系统状态包含线性高斯分量的非线性状态估计,但是由于其计算量较大,不适用于实时性较高的被动目标跟踪情况。针对Rao-Blackwellized粒子滤波的不足,提出了改进的Rao-Blackwellized粒子滤波算法用于WSN被动目标跟踪。新的算法由一个粒子滤波和一个卡尔曼滤波组成,在执行过程中,粒子滤波和卡尔曼滤波相互交换信息,并行运行。计算机仿真结果表明,新的算法能够更好地减少计算量,提高跟踪的实时性。     

某装备系统机电产品贮存可靠性评估方法

针对某装备系统机电产品长期自然贮存环境下可靠性无法准确评估的难题,提出了一种基于极小χ2估计和拟合优度检验的贮存可靠性评估方法,并对试验数据进行了分析、计算和处理。该方法通过拟合产品的失效分布来确定其分布函数参数,并根据确定的分布函数来预测产品的贮存可靠寿命。与现有的评估方法相比,采用该方法确定的分布函数更能反映产品的可靠性变化规律,对机电产品的贮存寿命预测结果更加合理,在工程研究领域具有很好的实用价值。     

基于扩展H∞滤波的OFDM自适应盲信道估计算法

针对OFDM系统中的信道估计问题,提出了一种基于扩展H∞滤波的OFDM自适应盲信道估计方法。该方法通过对常规H∞算法进行改进,实现了在OFDM系统中能自适应跟踪信道的变化特征,从而使均方误差的性能随着输入信噪比的增加得到很大的提高。仿真结果也验证了该算法优于卡尔曼和H∞估计算法,具有计算复杂度低,运算量小、收敛速度快、算法灵活等特性。     

基于HDSmP转换的态势估计方法

战场态势分析是指挥决策的基础,D-S证据理论广泛应用于不确定性下的近似推理,尤其在战场的态势估计中起到了重要作用。为了降低命题中含复合焦元时的不确定度,需要运用概率转换方法如Pignistic方法等对这些焦元进行概率转换。当存在命题的基本信度赋值函数(BBA)bba(全称)为零的情况时,一些常规的概率转换方法不能处理,即使能处理这种情况的概率转换方法在降低不确定度方面也没有达到理想效果。提出利用HDSmP方法将信度函数近似转换成概率函数,不仅可解决辨识框架中存在信度为零的命题时的情况,而且可以降低不确定性。此外,对HDSmP方法中比率再分配因子的取值进行了分析,通过实例验证了该方法在战场态势估计中的可行性和实用性。     

基于分层贝叶斯网络的反潜编队对潜威胁估计

应用贝叶斯网络模型进行威胁估计是当前研究的热点和难点。提出了应用分层贝叶斯网络模型构建威胁估计网络,用于估计反潜编队对潜威胁等级。首先,对分层贝叶斯网络模型进行了简要的阐述,并对利用该模型进行威胁估计的可行性进行了分析。其次,分析了反潜编队对潜威胁产生的原因和机理,在此基础上,构建了威胁估计网络。最后,通过算例仿真验证了威胁估计网络的有效性。