目标图像状态噪声容许范围内的满意跟踪研究

利用满意估计的思想,在图像状态噪声容许范围内,对图像波门中心进行预测,以使在整个图像跟踪过程中,目标穿越波门的滞留度满足预定要求.在求取满意估计的滤波增益时,运用了线性矩阵不等式(LMI)方法,并用Matlab-LMI计算软件求解.     

直接序列扩频数据通信系统的设计

应用zilog公司研制的新型直接序列扩频芯片-Z87200扩频收发器,设计实现用于战术电台数据传输的扩频通信系统研究.该系统设计以微型计算机作为数据终端,以高性能的16位单片微处理器80C196KB为控制核心,以新型超大规模集成电路Z87200直序扩频收发器为基础,组成-个具有一定智能,采用标准串行接口的直序扩频数据通信系统.该系统能够提供近20dB的处理增益,基本满足了战术电台数据通信的要求.     

营房室内有害气体污染预测研究

由于营房建筑、装饰材料质量不合格,施工工艺不正确等原因,引起营房室内有害气体污染,严重威胁到住用者的生命健康和部队战斗力。研究营房室内有害气体污染变化发展的规律,对营房室内有害气体污染进行准确的预测,做好预防措施,可以避免营房室内有害气体污染的发生。采用灰色预测方法对营房室内有害气体污染水平进行预测,在 GM(1,1)模型的基础上进行改进,从而建立起营房室内有害气体污染水平预测模型。通过对预测模型进行检验,证实营房室内有害气体污染预测模型能较好的预测营房室内有害气体污染水平的发展变化趋势,模型的建立是成功的。     

不确定失效阈值影响下考虑设备剩余寿命预测信息的最优替换策略

为了进一步提升设备维修决策的科学性,通过建立综合设备剩余寿命预测数据与不确定失效阈值的最优维修决策模型,实现了不可维修设备的最优替换策略.构建基于非线性Wiener过程的设备性能退化模型,并采用极大似然法估计退化模型参数;提出一种基于期望最大(Expectation Maximization,EM)算法的不确定失效阈值...     

基于增量预测控制的高速多体船垂向运动稳定研究

为了增强高速多体船对海浪扰动的抑制能力,减少垂向运动幅度,提出基于增量预测控制的垂向运动稳定方案。该方案在建立高速多体船的垂向耦合运动模型基础上,分析随机海浪扰动的频域和时域特性,基于积分扰动模型估计海浪扰动力和力矩。为减少海浪平均扰动力和扰动力矩对垂向运动的影响,将垂向运动模型转化为增量模型,作为预测控制的预测模型;同时,把升沉和纵摇的幅度和变化率引入目标函数中,采用滚动优化策略获得多体船的垂向运动预测控制律,分析闭环系统稳定性。仿真结果表明,所提的增量预测控制有效减小升沉和纵摇波动变化率和幅度,升沉位移减少59%,纵摇角减少47%。     

基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

中国汽车市场销售预测及公司汽车产销目标制定分析

一、宏观经济发展环境 （一）宏观经济发展环境 中国国民经济在改革开放30年来,年平均增长率9．9％。     

基于D-S证据理论的协作式频谱感知方法

频谱感知是认知无线电的关键技术,感知精度和速度直接影响到认知无线电网络的整体性能。由于单台感知的性能受环境影响严重,协作式频谱感知被广泛使用。为提高协作式频谱感知性能,采用可变策略的Dempster-Shafer证据理论对两种感知方法产生的信息进行融合:一种是能量检测法,该方法速度快但准确度不高;另一种是周期平稳信号检测法,准确度高但周期长。通过融合实验结果表明,同单独一种检测方法相比,基于Dempster-Shafer证据理论的认知网络,其感知能力明显提高,系统的容错性和敏捷度也有增强。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。