构建军人食谱评价体系

食谱是组织伙食的重要依据,对军人食谱的评价应从营养素供给、食物消耗和伙食费开支三个方面进行。运用层次分析法建立食谱评价指标体系,构造判断矩阵,计算各项指标权重,并利用分级线性函数模型计算各项指标的标准得分,进而全面评价军人食谱。     

初始先验分布未知条件下的DLMR及其Bayes预测

讨论了具有无信息初始先验分布的矩阵变量动态线性模型 (简记为DLMR)及其Bayes预测 ,利用MDIP方法 ,就尺度方差阵∑已知和未知两种情况 ,分别给出模拟初始状态参数(θ1 |D0 )和 (θ1 ,∑ |D0 )的无信息先验分布 ,进而给出其Bayes预测。     

基于加速性能退化的雷达电源板可靠性评估

评估雷达系统可靠性时,失效寿命难以获得,性能退化数据成为评估可靠性的重要信息。对其中器件级信息充足,板级、分系统级、系统级现场试验信息缺乏,而收集这些部分的退化数据仍需较长时间,以雷达某一部分的整体为研究对象进行加速退化试验,验证是否存在累积效应及有规律的退化过程。以某雷达电源整板为例,在温度应力下进行恒加加速退化试验,观测到特征退化量电源板输出电压随温度变化的退化规律,进行统计推断。结果表明基于加速退化数据进行该部分可靠性分析方法可行、结果可信,且更具优势,为雷达系统可靠性评估及增强可信度奠定基础。     

火控系统线性与非线性理论

从学科发展的角度,研究了火控系统线性与非线性理论;指出了火控系统在各环节上呈现的非线性关系;强调了其中的线性、拟线性理论是其重要的组成部分;给出了线性、拟线性火控系统理论的典型成果;最后指出:目标机动、量测统计特性、武器射击方式变化,推动着非线性火控系统理论发展。该问题有待继续深入研究。     

变步长LMS算法在PCMA信号相位估计中的应用

为提高PCMA信号相位估计的精度,基于联合循环统计量与变步长最小均方（least mean square,LMS）的理论,提出了一种PCMA信号相位高精度估计算法。算法推导信号参数与循环统计量的定量关系进行相位的初估计,对接收信号进行变步长的LMS自适应滤波,通过迭代提升相位估计精度。对算法进行了不同维度的仿真对比实验,仿真结果表明,算法收敛速度快,适用范围广,性能相较于传统方法提升2dB左右。     

基于波束域MUSIC方法的高分辨方位估计

现代声纳系统普遍采用水听器基阵和一定的信号处理来提高对目标的检测和定位能力,而基阵的波束形成则在其中起着核心作用。文中研究了窄带波束域高分辨方位估计技术,分析了波束域MUSIC方位估计的构造过程和具体实现方法。仿真计算表明,基于波束域MUSIC的方位估计算法是一种分辨空间小角域内多个目标的有效方法。     

一类非自映象的Ishikawa迭代过程的收敛定理

使用新的分析技巧 ,研究了一般赋范线性空间中的一类非自映象的Ishikawa迭代过程的收敛性问题。     

压缩感知新技术专题讲座(四) 第8讲 压缩感知在无线通信中的应用

压缩感知(CS)理论指出,如果信号在某个变换域内是稀疏的或可压缩的,那么就可以用与变换基不相干的低维线性观测矩阵实现信号的压缩测量。压缩感知充分利用信号固有的稀疏性或可压缩性,以远低于奈奎斯特频率,直接对信号中的重要信息进行采样,此时,采样速率不再决定于信号的带宽,而是决定于信号的结构和内容中所包含的信息,或者说是信号的信息速率。这种新型的信息获取方式带来了信号处理技术的革新,在各类模拟和数字系统中得到了广泛的应用。在无线通信系统的应用主要包括认知无线电、稀疏信道估计、无线传感器网络、阵列信号处理等方面。     

基于虚拟阵列的信号源数估计算法

信号源数估计是智能天线技术的一个基本问题,经典的信号源数估计算法有:基于信息论"AIC"算法"MDL"算法、假设检验、平滑秩序列法以及盖氏圆算法等,这些算法在低信噪比、小采样、色噪声以及实际信源数近阵列阵元数时,会产生较大的误差。在Kullback准则基础上提出了一种基于虚拟阵列的改进算法,该算法通过对阵列接收的数据进行预处理,虚拟地增加阵元数,按照修正的规则,求取信源数。经仿真验证,该算法克服了经典算法在低信噪比、小采样、色噪声以及实际信源数接近阵列阵元数时,准确估计信源数的难题。     

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。