阵列雷达自适应多零点单脉冲群目标测角算法

针对阵列体制雷达，由极大似然估计导出自适应多零点单脉冲测角原理。分析发现迭代步长过大导致双零点单脉冲技术在多目标条件下失效，因此提出加权步长改进角度估计的迭代过程，只需要较少计算量就能实现群内多个目标的精确测角。仿真结果表明：该算法在较高信噪比条件下可以精确测量群内三个目标角度，测角误差约为0.15倍波束宽度；当群目标数较多或者目标相位差接近于0时，算法性能下降明显。     

时变平坦衰落SIMO信道中的信噪比盲估计

针对恒包络信号在时变平坦衰落单输入多输出(SIMO)信道下的信噪比盲估计问题,提出一种基于EM(Expectation-Maximization)算法的改进M2M4-EM算法。利用EM算法的迭代期望值最大化思想,推导了SIMO信道下EM算法的闭式解。为进一步改善性能,通过接收信号的二阶和四阶矩(M2M4)对EM算法进行初始化。仿真结果表明,M2M4-EM算法在较宽的信噪比范围内具有较好的估计精度和较快的收敛速度。     

小麦增产小经验集锦

精选麦种促增产经过精选后的种子,粒大饱满,播后不仅出苗整齐,生长粗壮,分蘖早而多,而且后期成穗率高,其增产效果一般都在15%以上。种子精选方法:可配制15%的盐水或配制300%的泥水溶液选种;没有条件的可用重力风选或筛选。选种时要去掉损伤、虫蛀、瘪粒和病粒。选好后用清水洗净再播种。药肥浸种拌籽防病又增产播种前用千分之一的多菌灵溶液浸种24小时,能有效地防止黑穗病、条纹病、网斑病等病害的发生。用     

基于IMM的估计算法对机动目标跟踪的比较

机动目标跟踪一直是倍受关注的问题,而交互式多模型方法(IMM)是解决这类问题的经典方法.由于传感器的发展或受某种客观条件的限制等,产生了各种基于IMM的算法.为此,介绍了IMM及基于IMM的几种经典估计算法,对它们进行比较研究,并通过机动目标跟踪的仿真算例说明各算法的适用条件、原理、异同点、性能及复杂性,对机动目标跟踪估计器的选择有重要参考价值.     

一种基于延迟的仿真交互可信度贝叶斯评估方法

交互行为是分布式虚拟环境仿真推进的基础,交互行为可信对于系统正常运行至关重要。针对交互行为可信性问题,提出了一种基于延迟的交互可信度概率模型。从交互可信度定义出发,明确了交互可信度的内涵及判断标准,分析了交互可信度的先验分布,在此基础上通过贝叶斯方法得到仿真交互可信度的后验评估结果。该方法在降低系统监测负载的同时保证了交互可信度计算的实时性,为仿真系统可信度问题提出了一种新的思路和实用方法。     

基于算法估计的网络端到端时延测量方法

在网络端到端延迟的测量中,常用的方法大多是通过发送探测包来直接得到端到端的时延值.由于存在时钟不同步的问题,所以测量结果的误差较大.针对此问题,在Sue B.Moon提出方法的基础上进一步改进,提出了一种基于算法估计的软件方法,该方法更好地解决了收发时钟不同步的问题,提高了测量的精度.     

зрланга分布及其在保障性数据分析中的应用

首先对З分布的特点进行了分析,其次运用极大似然法对其分布参数t0进行了估计,然后通过2个实例验证了这种分布的可行性和实用性,最后得出几点结论.     

存在工作历程产品的加速寿命试验统计分析

加速寿命试验(ALT)可在较短时间内获得产品的寿命及可靠性信息.利用ALT对产品的剩余寿命进行评估时,常常将已工作过的产品进行抽样并投入试验,在这一类样本的ALT数据统计分析时如何处理初始工作时间,成为ALT应用中的一个重要问题.工程实际中评估此类样本的剩余寿命时常常忽略初始工作时间,将其视为"用后如新"或"无记忆性"产品.但此假设必须以产品寿命服从指数分布为前提,而大部分机电产品的寿命服从Weibull分布,因而该方法在应用时必然会产生较大误差.针对这一问题提出了一种新的基于时间折算的ALT数据统计分析方法,并利用Monte Carlo仿真对其估计特性进行对比研究,结果表明此方法能有效评估存在初始工作历程产品的剩余寿命,估计精度优于原方法.     

红外成像导引头抗干扰性能评估方法

给出了一种对地面复杂干扰环境的红外成像导引头抗干扰性能评估方法,分析了红外成像导引头所面临的干扰因素,结合实际战场情况对干扰环境的等级进行了划分,并详细设计了红外成像导引头抗干扰性能仿真测试方案。采用半实物仿真方法得到红外成像导引头在不同干扰环境下的实验数据,运用bayes估计的方法建立红外成像导引头抗干扰概率计算模型。结合某实物红外成像导引头开展抗干扰性能半实物仿真测试,实验结果验证了该方法的合理性和有效性。     

无迹卡尔曼滤波的长码直扩信号载波频偏盲估计

针对长码直接序列扩频(Direct Sequence Spread Spectrum,DSSS)通信中的载波同步问题,提出了一种新的载波频偏估计算法。该方法结合分段和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的思想,利用UKF算法对非线性模型的求解能力,估计载波频偏的后验概率的均值和方差。Monte Carlo仿真实验的结果表明新算法不仅具有较高的估计精度,还能实现较低信噪比下的估计。