预测公式相似的两种灰色模型探讨

指出了带有线性时间项的GM (1,1,t) [1] 和线性拟合意义下最优GM (1,1) [2 ] 这两种灰色模型的预测公式相似 ,虽同样采取最小二乘参数估计 ,但求解不同阶数的正规方程组出现了不同程度的病态性 ,虽使用最新数学工具软件MATLAB ,但带有线性时间项的GM (1,1,t)仍失去预测意义。     

统计学习理论在磨损量模型参数估计中的应用

讨论了摩擦片磨损量数学模型中未知参数估计的方法统计学习方法和线性方程组方法.利用最小二乘法,对采用线性方程组所估计的模型参数的误差进行了讨论,并得出结论在磨损量测得的情况下,以在(0,1)区间内服从均匀分布的伪随机数构成系数矩阵确定未知参数是可行的.     

非最小相位系统的遗传优化辨识算法

本文基于遗传算法提出了一个非最小相位系统辨识的新算法。用ＡＲＭＡ模型描述系统的传递函数。在最小误差准则下用遗传算法估计其ＡＲＭＡ模型参数。从而实现对其系统的辨识。这个方法不需要系统的估计初值,同时在低信噪比情况下也能获得较好的效果。     

多目标环境下基于分布式融合思想的误差估计方法

针对多雷达多目标跟踪过程中分布未知的系统误差估计问题,提出了基于"分布式融合思想"的误差估计方法。给出相应误差估计方法的计算公式,利用改进截断奇异值方法来减轻矩阵病态性的影响,提高误差估计的稳健性。设置了两种不同的系统误差仿真场景,对"分布式"误差估计方法在两种情形下的估计性能进行了仔细对比分析。结合"分布式"误差估计方法与"集中式估计"方法所体现出的优缺点,提出了一种将两种方法结合起来的系统误差估计算法,算法通过合理选择阈值门限η,能够在多雷达多目标且系统误差分布未知的复杂环境下对两种误差估计算法自适应地进行切换,从而充分发挥两种误差估计算法各自的优点,给出更好的误差估计结果。     

带噪声的 AR 模型的参数估计及定阶

本文讨论了带噪声情形下 AR 模型的参数估计及定阶问题,还给出了噪声模型的参数估计,并证明了它们的强相容性。     

多平台纯方位信息融合结构及关联估计联合优化模型

在多平台纯方位信息融合中,存在多平台的方位关联和单平台的参数估计(或目标定位)困难,因为两者相互依赖和制约。造成相对不同平台的方位不能进行时间空间对准、虚假目标不能消除。为此,提出了一种分布式信息融合结构,并建立了相应的数据互联与参数估计联合优化模型。在这种结构和模型中,首先由各平台对本地传感器探测的纯方位信息完成融合并输出方位序列,然后在融合中心按分层节点对方位序列的数据互联与参数估计进行联合优化处理,每个融合节点仅处理两个平台信息,最后节点输出融合结果。仿真计算结果表明,这种优化模型是解决关联和估计问题的一个有效方法,可以提高多平台纯方位信息融合的性能。     

机动目标跟踪误差CRLB计算与分析

克拉美-罗下限(CRLB)作为参数估计所能达到的最低误差限,常被用来衡量算法估计性能的优劣程度。以转弯机动为例,研究了有源(主动)和无源(被动)两种观测条件下目标跟踪CRLB计算的一般方法,并通过矩阵理论分析了目标机动可能引起的CRLB突变的原因,为机动目标跟踪的算法性能评估提供了有效手段。最后给出了仿真算例。     

基于MC-CNN网络的磁性舰船目标运动参数估计

传统磁性目标运动估计效果依赖于目标的初始状态信息,为克服这一缺陷,建立了磁性运动目标三分量投影模型,并据此生成了磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。进一步,设计了多通道卷积神经网络（MC-CNN）对目标的正横距离和运动速度进行了估计,并比较和分析了不同的学习方式和激活函数对网络性能的影响,结果表明Adam+tanh的组合方式的估计性能要优于其它的组合方式,而且对磁性目标运动参数的估计效果比较精确,此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。     

随机控制系统大纯时滞辨识及结构辨识的偏差补偿算法

本文研究了已知噪声自相关函数时,线性SISO系统ARMAX模型的大纯时滞的辨识问题及结构与参数辨识的偏差补偿算法。本算法使得能够在很小的样本数及极低的信噪比下得到系统的结构参数。