双频去相关单历元动态解算整周模糊度研究

针对GPS实时动态精密相对定位应用背景,提出一种整周模糊度实时求解方法。采用宽巷组合载波相位双差、伪距双差观测信息建立观测模型;对浮点模糊度协方差阵进行一次Cholesky分解,构造了浮点转换矩阵,使浮点模糊度完全去相关;推导确定整周模糊度的搜索空间;利用最小残差平方和搜索准则,确定单历元整周模糊度,并用OVT检验方法,对不同历元得到的整周模糊度进行一致性检验。结果表明,观测量误差均方差取值对整周模糊度搜索空间和成功率有较大影响,附加OVT检验的双频去相关单历元动态解算整周模糊度方法正确可行。     

陆海风

北京国内生产总值质量排行第一中国科学院日前发布了中国各地区国内生产总值质量内涵与排序报告,北京市位于排行榜第一位。报告通过数量维(发展度)、质量维(协调度)和时间维(持续度)三者本质叠加的最大化构成了国内生产总值质量指数,并把各地区国内生产总值的质量排序与国家统计局公布的国内生产总值数量排序进行了分析比对。     

基于LAMBDA方法的整周模糊度快速解算方法

整周模糊度快速解算是导航定位接收机实现高精度的动态定位和姿态测量重要保证,对该方法的研究意义重大。介绍了目前常见的整周模糊度快速解算方法,并对这些方法进行了分析和比较。通过比较验证了LAMBDA方法在进行整周模糊度解算过程中的优越性,并重点对LAMBDA方法及其改进算法进行了研究,通过仿真分析可知LAMBDA改进算法可以使搜索时间提高一个数量级,为以后工程应用提供了理论基础。     

中国国防支出与GDP的动态协整思考

文章运用计量经济学的GrangerCausality因果关系检验法和协整分析方法,对1952年~2004年间的样本数据进行了实证分析,认为:在1952年~2004年间经济增长是国防支出的Granger原因,而国防支出并不是经济增长的Granger原因。如果将显著性水平放宽到10%的水平上,可以认为这一时期国防支出与GDP之间存在长期的均衡关系。但是提高显著性水平,则可能得到国防支出与GDP之间不存在长期均衡关系的结论。在短期,每年实际的国防开支与其长期均衡值的偏差有19.1%被修正。     

让部队放心的体检把关人——记广西贵港市港南区兵检主检医生覃宏晖

"经我签字送到部队去的兵,没有一个因身体问题被退回来的."谈起自己30余年的兵检工作,港南区八塘镇医院院长、区兵检站主检医生覃宏晖的脸上露出了自豪的笑容.     

正切函数的契比协夫逼近及其系数的加速计算法

本文给出正切函数的有理展开和契比协夫展开式系数的加速计算方法;同时在YH-1机上进行了数值试验,结果表明:用现在的系数来计算正切函数,其精度比原来正切函数的精度可提高30%左右。     

基于结构自整定前馈网络的雷达目标识别研究

概述了基于雷达成像的目标类型识别技术。阐述了多层前向网络的分类特性,提出一种网络结构自整定算法来训练网络,并构造分类器,对基于转台成像实验的雷达目标类型识别问题进行了仿真研究。研究结果表明,经结构自整定算法训练后的前馈网络对成像雷达目标具有较好的推广识别能力,识别率达到９０％。     

基于遗传算法的整周模糊度OTF解算

建立了一种基于简单遗传算法的改进模糊度搜索方法。首先采用一组约束方程求解模糊度浮点数解 ,然后UDUT 和LDLT 分解对整周模糊度进行整数高斯变换以降低各整周模糊度之间的相关性 ,最后利用遗传算法进行整周模糊度搜索。在种群个体较少的情况下 ,为了避免早熟使搜索陷入局部最优 ,提出两种变异算子 ,保持个体的多样性。仿真结果表明改进后的算法能够实时动态解算整周模糊度 ,且较使用简单遗传算法具有更快的搜索速度和鲁棒性。     

基于单神经元自整定PID的稳定平台调平控制

稳定平台调平回路大多采用PID进行控制,但这种算法具有抗干扰性能不高的问题,利用神经网络具有自学习、自组织、联想记忆和并行处理的功能和优势,设计了单神经元自整定PID控制算法。该控制算法不仅结构简单,而且适应性强,鲁棒性强。在设计中,采用了一种改良的Hebb学习算法对稳定平台调平回路进行控制。最后的仿真结果表明,单神经元自整定PID控制算法比传统PID控制算法在很多指标上都要好。尤其超调量、干扰抑制能力、过渡时间等动态指标非常优秀,是一种较为理想的控制算法,可以推广应用于各类稳定平台系统。     

基于多尺度融合预测模型的航空发动机剩余寿命预测

针对大多数基于数据驱动的航空发动机剩余寿命预测方法未细分其退化过程与复杂输入数据之间的关系,无法准确识别和提取关键特征的问题。提出一种基于多尺度融合预测模型(MSF)的航空发动机剩余寿命预测方法。该方法利用静态协变量编码网络(SCCN)和变量选择网络(VSN)针对输入数据类型进行特征选择,将SCCN生成的静态协变量连接到模型的不同位置,以提升模型捕捉不同尺度时间特征的能力,并融入门控残差机制构建模型基本框架,既能提高模型的适应性也能保证信息在网络中传递的效率,采用分位数误差作为损失函数实现了多尺度的预测,有效的提高了预测的准确性。在CMAPSS涡扇发动机数据集上进行实验分析,FD002、FD004测试集的预测精度分别达到91.9%和92.4%,通过与其他深度学习方法进行对比,RMSE最优值分别提高15.54%和16.91%,Score最优值分别提高83.21%和78.78%。