二语熟练度及语言使用特征对双语者抑制控制能力的影响

本文考察双语者二语熟练程度及不同语言使用特征对其抑制控制能力影响的差异。根据二语的熟练程度将被试分为熟练双语者组和不熟练双语者组,在熟练组和不熟练组中根据不同的语言使用特征划分为以口语为主和以阅读为主的两个被试组。所有被试都参与Stroop任务、Simon任务和Flanker任务。结果发现:熟练度高的双语者在三种任务中均表现出了优势反应。说明二语熟练程度对双语者的抑制控制能力有着促进作用;在不同语言使用特征组中,两组被试在simon任务与stroop任务中表现无显著差异,但表现出明显的CA效应。表明二语熟练度影响双语者的抑制控制能力;语言使用特征的不同对双语者的抑制控制能力无显著影响。     

一种弹道外测数据的野值处理方法

为抑制弹道外测数据中异常值的影响,设计了一种基于最小二乘趋势项建模与一阶差分还原的联合野值处理方法.该方法基于最小二乘原理建立了外测数据趋势项多项式的一般模型;利用一阶差分处理化斑点型野值为孤立型野值,在简化野值类型的同时又降低了野值的处理难度;最后引入肖维涅准则进行野值检验剔除,并积分还原得到便于后续分析的外测数据.仿真算例结果对比表明,该方法简便易行,在不破坏原始数据有用信息前提下,可抑制复杂类型野值的影响,取得较好的处理效果.     

水下声探测系统载体振动干扰分析及抑制方法

针对水下探测系统载体振动对目标回波信号的微多普勒特征谱产生干扰的问题,从干扰产生的基本原理出发,推导了干扰的近似乘性表达式。在获取振动干扰数据的条件下,提出了针对乘性干扰的干扰抑制算法,并针对推导干扰乘性表达式时的近似条件,分析了近似算法带来的误差。仿真结果表明,该方法可有效抑制水下探测系统平台振动对目标回波信号的微多普勒特征谱产生的干扰,并且在绝大多数情况下,由算法带来的误差可以忽略不计。     

应用抗差无迹卡尔曼滤波的再入弹道处理技术

针对现有无迹卡尔曼滤波在再入弹道处理中可能出现的异常观测、观测随机误差模型不准确以及动力学模型不合理等问题,在无迹卡尔曼滤波中引入自适应与抗差估计理论,研究适用于再入弹道处理的自适应抗差滤波方法。该方法可以自适应地估计测量噪声等价协方差阵和状态噪声等价协方差阵,并可实现异常值的分离和维纳模型方差的自适应调整。数值仿真结果表明:该方法计算简单,并能有效减弱测量误差和动力学模型误差对弹道处理精度的影响。     

一种超大数值孔径折反式光学系统的设计与应用

介绍一种超大数值孔径光学系统的设计研究 ,其中包括设计的难点、研究思路、解决方法及实际结果。这个系统与传统的光学系统相比较 ,具有超大数值孔径和二次非球面尺寸大等显著特点。该光学系统将主要用于对大地样品进行探测、分析。     

寻的制导导弹飞行时间递归估计

本文研究计算精确的飞行时间估计问题。在实现为时变速度导弹制定的各种最优制导律时,这是一个重要问题。介绍以非迭代方式修正飞行时间的递归飞行时间计算方法。该递归方法含有显式计算由非零初始航向误差产生的飞行时间误差的一种误差补偿特征。对任何导弹速度剖面,所提出方法的实现是简单而直截了当的。各种数值例子表明所提出的方法对最优制导律以及比例导航和增广比例导航都是有效的。     

态势估计中一种基于最大后验概率估计的时间推理方法

态势估计中统计时间推理在许多应用中非常重要。Ｋｉｒｉｌｏｖ的基于极大似然估计（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ，ＭＬＥ）的推理方法将未知时间变量看作常数，忽略了它的先验信息，估计方差较大。针对这一问题，本文首先建立了已知时间信息和未知时间变量之间的关系模型，这一模型可用来解释Ｋｉｒｉｌｏｖ的方法；然后在这一模型下，将未知时间变量扩展为随机变量，采用基于最大后验概率估计（ＭａｘｉｍｕｍａＰｏｓ－ｔｅｒｉｏｒｉＥｓｔｉｍａｔｉｏｎ，ＭＡＰ）的方法进行统计时间推理。对两种推理算法的性能进行了分析和比较，发现在较宽的范围内，基于ＭＡＰ的方法性能优于基于ＭＬＥ的方法。     

基于神经网络的非线性控制系统自组织辨识

本文首先将自组织神经网络算法向一般化情形引伸，接着把自组织过程应用到一般非线性系统的动态过程分类，使得整个非线性系统能够按照输入输出样本空间的概率密度自组织，成为许多具有不同分类核心和感受野的线性子空间逼近。在此基础上，我们采用通用最小二乘算法，以子空间的非线性问题线性化误差作为依据，并进一步运用自组织神经网络的合作与竞争思想，最终得到一般情形的非线性系统的最小二乘辨识。仿真结果表明了本方法的可行性与优越性。     

基于可测度分析的雷达系统误差估计

建立了多部雷达情况下的系统误差观测模型,分析了系统的可观测度,得出可观测度不一定随观测数据的增多而增强的结论。在此基础上,通过数据筛选的方法,可以获得一个使系统可观测度增大的观测子集,用于误差估计。实验结果表明,使用本文的方法,可确保估计算法的有效性     

基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。