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.     

要正确框定城市民兵的范围

目前,对于“城市民兵”所涵盖的范围,各级都没有一个明确的界定。诸如什么是“城市民兵”,城市民兵到底包括哪些地区、单位、类型的民兵等问题都没有明确的规定。尽管总部在年度《民兵组织实力统计》的说明中明     

一种基于当前统计模型的模糊交互多模型算法

研究了模糊交互多模型算法(FIMM)和基于当前统计模型(CS)的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法(CSFIMM)。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型(IMM)算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

衰落信道下基于正交频率码分复用的精确时间测量

针对衰落信道下的精确时间测量,给出基于正交频率码分复用技术的高精度时间测量算法。在不降低最大不模糊时间的前提下,通过时间延时、信道衰落、相位噪声参数的联合迭代估计,有效克服了频率选择性信道的衰落与相位噪声对时间测量的影响。仿真结果表明:联合迭代算法提高了时间测量的归一化均方根误差性能。     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。     

基于统计加权的单传感器数据融合算法

单传感器数据融合是十分重要的实际问题。为了提高数据处理的敏感性和精度,在研究基于关系矩阵的数据融合方法的基础上,提出了基于统计加权的数据融合方法,并对两种方法进行了对比分析。实例仿真表明,基于统计加权的数据融合方法优于基于关系矩阵的数据融合方法,该方法能减小无效测量值的范围,并且对测量值的变化更敏感。     

2015年国内英语移动学习研究状况分析

近年,英语移动学习的研究已然成为外语教学研究的热门领域.本文对2015年公开发表在国内学术期刊的关于英语移动学习的文献进行形式的量化统计与内容的质性分析,以期揭示2015年我国英语移动学习的研究状况,旨在为国内英语移动学习的研究者提供参考.     

C3I系统评价可信性分析方法

C3I系统评价结果的可信性分析是C3I系统理论研究中的一个重要问题.首先论述了C3I系统评价结果可信性分析的主要内容,然后提出了一种定性分析的主观确认法和定量分析的统计检验法相结合的可信性分析方法,并给出了系统评价结果的可信度的计算方法.     

基于贝叶斯理论的多雷达点迹自适应融合方法

雷达组网进行数据融合是复杂电磁环境下提高预警探测精度和容错能力的有效方法,研究人员需研究适应干扰、信噪比降低等复杂情形的数据融合方法。基于贝叶斯统计理论提出一种多雷达点迹融合方法,将贝叶斯多源数据融合方法与卡尔曼滤波结合,以卡尔曼滤波输出的航迹预测及其协方差作为贝叶斯理论的先验知识,以多雷达量测结果作为贝叶斯理论的观测值进行融合,并提出一种基于回波信噪比的点迹标准差实时估计方法,构建标准差自适应估计的点迹融合与滤波框架。仿真结果表明,多雷达点迹自适应融合方法,滤波精度优于单雷达滤波结果、优于航迹融合结果,能够适应目标距离、RCS起伏引起的标准差变化,具有较强的工程应用价值。