一种α稳定分布噪声下的跳频参数盲估计方法

针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频参数估计方法,实现跳频参数的估计。仿真实验表明,提出的方法有效抑制了α噪声,在α=0.8,GSNR≥1 d B;α=1.5,GSNR≥0 d B时,可以实现跳频周期的准确估计。在α=1.5,GSNR=3 d B时,该算法跳变时刻估计值最大相对误差比STFT低3%、比分数低阶STFT低1.6%,跳变频率估计值更加精确。     

依赖信号噪声场景下MIMO雷达稳健波形设计

考虑依赖信号噪声场景下MIMO雷达的稳健波形优化问题。根据最小最大方法,基于克拉美-罗界描述了改善MIMO雷达最差情况参数估计性能的稳健波形优化问题。为求解所得NP问题,提出一种新的基于对角加载(DL)的迭代方法。此方法利用哈达玛不等式将内层优化分解为若干子问题,以降低运算复杂度从而利于工程应用,基于DL方法将子问题转化为凸问题,外层优化也可转化为凸问题,因而可获得高效求解从而便于硬件实现。初始问题最优解可通过对迭代算法得到的解进行最小二乘拟合得到。数值仿真验证了所提方法的有效性。     

二维隐马氏模型的一种简化算法及其参数估计

针对现有的二维隐马氏模型算法给出了一种简化算法及参数估计方法。该算法与现有的算法相比非常简单。基于此方法给出了相应的识别方法和参数估计,并且该估计与极大似然估计是等同的。     

水下导航系统误差辨识及修正方法

水下航行器经常采用航位推算方式进行定位.由于存在传感器误差,航位推算的定位误差是随着时间发散的,而直接准确检测这类误差非常困难.对航位推算导航系统误差源进行分析与辨识,在此基础上推导出一种新的辨识AUV (Autonomous Underwater Vehicles)导航误差参数的方法,经实航试验结果表明,该算法能够准确辨识AUV导航误差参数向量,简单有效.     

多分量LFM信号检测与参数估计的新方法

针对传统的多分量LFM信号检测与参数估计中存在的精度不高和交叉项问题,将小波重排与Hough变换结合起来,首先对信号进行小波变换,克服交叉项干扰,再经过时频重排保证精度,以重排后的时频分布作为图像,利用 Hough变换通过查表的方式,实现对各分量的依次截取和参数估计.仿真实验表明,该方法能够有效地提取多分量LFM信号中各分量的特征参数.     

基于S变换的跳频信号参数估计

对跳频信号的时频域进行分析和参数估计是识别、跟踪及干扰跳频信号的重要基础。针对接收到的未知任何先验参数的跳频信号,提出了一种基于S变换(S-transform)的跳频信号参数估计算法,通过S变换,能正确估计出跳频信号的跳频周期、跳变时刻及跳频图案。仿真结果表明,与平滑伪Wigner-Ville分布(SPWVD)进行比较,该算法能够在低信噪比条件下,在时频域中有较好的解析能力,提高了跳频信号参数估计的准确性。     

直觉模糊物元及其在权重信息未知多属性群决策中的应用

针对传统物元分析理论无法应用于决策信息为直觉模糊数的多属性决策问题,提出直觉模糊物元分析模型以及用相对相似度代替传统方法中的关联函数来解决直觉模糊物元分析问题,进而完整阐述了直觉模糊物元多属性决策的方法步骤,并通过实例验证了该方法的有效性。特别是针对权重信息未知这一类较为复杂的多属性群决策问题,采用投影法和直觉模糊熵确定权重信息,并运用直觉模糊物元多属性决策方法进行了实例分析,证明了方法的实用性,为直觉模糊多属性群决策提供了一种新的思路。     

ACO-ELM与CFSFDP结合的机载动力系统参数估计北大核心

针对机载动力系统测试数据的不确定性,求解参数实时性差的问题,提出了基于快速寻找密度极点聚类与蚁群极限学习机的机载动力系统的参数估计方法。首先利用基于寻找密度极点的聚类算法对全工况范围内的测试数据进行聚类,然后在每一个子类中用极限学习机设计了子参数估计器,并用蚁群算法寻找极限学习机的最优隐层神经元数目。训练与测试表明,参数估计测试相对误差明显优于传统的RBF神经网络方法,且参数估计时间能够满足机载在线实时状态评估的需求,该方法可应用到其他不可测参数的估计。     

随机滤波模型在变速箱剩余寿命预测中的应用研究

摘要：基于变速箱加速寿命实验的振动信号,提取信号的多种特征参量．通过分析各特征参量的敏感性和稳定性,选择幅域裕度指标、峰值指标、波形指标和RMS（RootMeanSquare）作为特征参量,建立一种基于随机滤波的变速箱剩余寿命预测模型,给出剩余寿命后验概率密度的递推公式,设计了极大似然估计方法求解模型参数,并经实例验证模型的有效性和实用性．     

未知非线性系统的神经网络建模与控制仿真研究

针对一类未知非线性系统的建模与控制问题,采用基于神经网络的多步预测控制算法进行了仿真研究,仿真对象选取控制工程界常用的单摆试验装置.该算法的实现步骤为:获取系统开环试验数据;辨识神经网络正向动态模型;设计非线性优化控制律.仿真研究结果表明,所提出的建模与控制方法是有效的.