SCPC卫星通信中互调噪声谱的计算

本文提出和推导了SCPC卫星通信系统中互调噪声功率谱的快速计算方法,它升SCPC系统设计具有重要的使用价值。     

高炮人-机跟踪系统建模及动态特性分析

本文以某高炮人-机系统为对象,以人的最优控制模型为基础,建立该人-机跟踪系统部分的数学模型,利用计算机求解——即模型预测方法,研究操作者(炮手)在跟踪沿不同航路飞行的空中目标时系统的跟踪误差和动态性能;与此同时研制一套模拟原高炮人-机系统的仿真试验装置,以获取的试验数据做为检验上述模型预测结果和进行全系统性能分析的依据。     

防空导弹固体发动机喷焰相位噪声微波衰减测量研究

导弹固体发动机喷焰相位噪声微波衰减是影响武器制导系统性能的重要指标。需要研制专用的测量装置,进行多次地面热试车测量。证明推进剂组分特别是含铝量和电子捕获剂的影响,通过改进推进剂配方和精心组织试验,实测微波衰减值满足系统总体要求。由于仔细地注意了系统校准和振动干扰消除,测出了发动机喷焰的真正相位噪声。调幅噪声的测量数据与相位噪声相当。     

用Hubbard模型对高Tc氧化物超导性的研究

本文的简化 Hubbard 哈密顿量,不仅包括单电子跳跃和一个电子从一个格点到近邻单占据格点运动的反铁磁虚交换作用,而且保留有关三个格点的单重态电子对运动的虚跳跃过程和同格点上电子的关联作用项。同时引入重整化因子(?)来描述电子在宏观区域上的巡游程度,研究了超导的转变温度 Tc。结果显示,Tc 作为空穴含量δ的函数存在一个极大值,且随 U 的减小而升高。与实验数据相对比,本文结果是合理的。     

使用IMM/JPDA和固定延迟平滑滤波方法进行杂波环境下多机动目标跟踪

本文考虑用转换多目标运动模型对杂波环境下多机动目标进行跟踪。在马尔科夫转换系统中,次最优算法采用基本的交互多模型(IMM)逼近和联合概率数据互联(JPDA)技术。本文在IMM和JPDA的基础上发展出次最优固定延迟平滑算法应用于增广状态系统,并通过对两个高机动目标的跟踪举例说明了这种算法的有效性。     

多种滤波器方案对机动目标跟踪自适应性比较

在过去几年对机动目标跟踪这个复杂问题取得了许多成果。目前已普遍认为混合状态估计交互式多模型算法(IMM)对机动目标就跟踪精度而言比其它类型的滤波器(如自适应单模型,输入估计,变维等等)实现效果更好。然而,IMM算法的复杂性阻碍了其应用,在这些应用中,简单算法不能提供必要的精度,又不能承受IMM算法的计算负荷。本文介绍评价一个应用并行运行的3个不同常速模型(3CV-PAR)和一个机动检测器的多模型航迹滤波器的跟踪精度。输出估计由选择其似然函数比目标机动门限值(TMTh)低的模型确定。3常速并行航迹滤波器的跟踪效果与如下滤波器比较:·自适应单运动模型卡尔曼滤波器(ASMMKF);·交互式多模型(IMM)滤波器中运用相同的3个常速运动(CV)模型作为3CV-PAR滤波器;·交互式多模型(IMM)滤波器中应用一个等速(CV)模型和一个等加速(CA)模型成为CVCA滤波器;·交互式多模型(IMM)滤波器中应用一个常速(CV)模型和两个仅过程噪声水平不同的常加速(CA)模型(CA1、CA2)成为CV2CA滤波器。通过在具挑战性的多传感器想定下100次蒙特卡洛(Monte-Carlo)试验平均均方根(RMS)误差的计算结果,比较3CV-PAR航迹滤波器与上述算法方案,评价跟踪精度。     

基于选择准则的参数模型评价方法

为评价参数模型的优劣,分析了模型信息量与数据被模型拟合后的残差信息量之间的关系,提出了综合考虑模型拟合残差大小、残差信息量与参数数目的一种模型选择的新方法RIA。结合RIA方法,定义了时序模型评价的一种准则,并以航天测量数据处理为例,说明了不同模型在工程实际中的不同表现和本质区别的意义所在。     

一种基于统计参数映射融合独立成分分析的新的激活区探测方法

统计参数映射在某种程度上依赖于广义线性模型和高斯场理论。广义线性模型的缺陷在于这些假设不能很好地表示fMRI数据,并且脑活动分布模式和血液动力学模型也不能由广义线性模型回归方程来恰如其分地模拟。而独立成分分析不能够提供每一独立成分激活区的显著性估计,这使得实验者不能够很好地解释所获得的结果。提出一种将SPM和ICA技术进行融合的方法,此方法可以将ICA自身的某些优势和GLM的假设检验方法结合起来,互相取长补短。实验结果证明了这种方法在探测由运动任务所产生的激活区方面是有效的。     

基于隐马尔可夫模型的IDS程序行为异常检测

提出一种新的基于隐马尔可夫模型的程序行为异常检测方法,此方法利用系统调用序列,并基于隐马尔可夫模型来描述程序行为,根据程序行为模式的出现频率对其进行分类,并将行为模式类型同隐马尔可夫模型的状态联系在一起。由于各状态对应的观测值集合互不相交,模型训练中采用了运算量较小的序列匹配方法,与传统的Baum Welch算法相比,训练时间有较大幅度的降低。考虑到模型中状态的特殊含义以及程序行为的特点,将加窗平滑后的状态序列出现概率作为判决依据。实验表明,此方法具有很高的检测准确性,其检测效率也优于同类方法。     

基于 AR 模型和SPRT 检验法的过程状态监测

本文利用自适应卡尔曼滤波器原理建立机械系统过程监测模型—AR模型,并根据AR模型系数的变化可以表征系统过程状态这一特点,通过序贯概率比(SPRT)这一假设检验法,对机械系统的运行状况进行判别。实验表明,该方法行之有效,最后,本文给出了实验结果。