基于MUSIC算法的罗兰C接收机天地波自动识别方法研究

针对常规罗兰C接收机天地波识别方法不能有效利用信号能量的缺点,根据天波到来时间的估计与合成信号频率的分离相似的特点,提出了一种基于多信号分类算法估计天波延迟的方法.该方法在低信噪比条件下可分离出地波和天波,并能根据天波的延迟变化实时地选择接收机采样基准点的最佳位置.计算机仿真结果表明,该方法可以用于天地波的自动识别,能增加基准点处的信噪比,因而能显著提高罗兰C接收机的性能.     

基于IRT的自适应学习管理系统设计

从新一代网络教育标准体系的架构入手,结合学习管理系统标准,提出了用标准格式绑定学习单元的方法,并且结合项目反应理论,实现了自适应学习管理和跟踪。标准化的结构设计有利于教育资源在不同系统间的交互、共享和重用,而自适应的学习跟踪使得远程网络教育过程更符合人的学习规律,能够有效地提高学习效率.     

梯格形自适应控制

本文讨论并解决了具有d步时延的多变量系统的梯格形自适应控制问题。为此,把自适应控制下的闭环系统嵌入到ARMA模型中,采用梯格算法进行预报。为了考虑d步时延控制系统,采用简捷方法推导了d步梯格预报公式,并给出了控制量的确定方法。采用梯格形自适应控制可方便地调节模型的阶次,从而可以克服对象阶次不准引起的自适应控制失效的问题。     

基于模糊熵与方向相似度的液体火箭发动机故障检测

先定义系统的广义模糊熵及其计算公式，再给出滑动数据窗口中采样数据矢量方向分布中心的离散度定义及其与模糊熵之间的负指数解析关系，并基于离散度概念对自适应窗口滤波器进行了改进，提高了滤波器对噪声的敏感度以及故障检测算法对强干扰噪声环境的鲁棒性。同时，根据滑动数据窗口中二模糊聚类数据中心矢量方向相似度的变化来监示发动机系统故障的发展趋势。本文基于受强噪声环境干扰的实际试车数据并用自组织模糊聚类算法作为滑动数据窗口上的聚类算法进行了数字仿真试验。仿真结果表明：基于模糊熵的故障检测算法具有对强噪声环境的鲁棒性，是低信噪比环境下的一种客观的故障检测算法。     

在非高斯弱相关噪声中弱信号的最佳检测

本文探讨了仅已知噪声一维分布和二阶统计特性的条件下非高斯无穷相关噪声中确知弱信号的最佳检测问题。在假设噪声为一阶AR过程ni=yi+ρn(i-l)的情况下,以最优化检测器的渐近相对效验为准则。并对p取一阶和二阶近似的意义下,分别得到了最佳有记忆和无记忆检测器的闭式解。推证和比较了它们同非高斯白噪声中的最佳检测器在结构上的异同和性能上的改进程度。最后给出了几个典型的实际例子。     

大规模串行分布式检测的性能

串行分布式（Ｎ＝２,３,４）检测的最优协调门限组难以求取,因而只能就由少量传感器组成的小规模串行网,通过数值计算来考察检测性能。本文在一定条件下,给出了求取串行分布式检测性能的解析方法,进而可得到大规模串行分布式检测的性能,使我们能考察和了解检测性能在积累数增加时的变化趋势。     

自组织特性图形的检测理论与应用

人工神经网络模型已研究多年,已使得在信息处理领域中具有类似人的性能,本文将Ｋｏｈｏｎｅｎ自组织特征映射的学习规则进行了修改,以降低拓扑邻域边界上的模糊性,而后,用它的联想存贮功能可以实现输入统计过程的特征存贮,以达到检测的目的。本文也讨论了多维检测的数学机理,作为它的一个结果,可以得出高精度的检测性能。     

多传感器信息的表决融合

介绍了一种多传感器信息综合方法─—表决融合。这种方法的前提是各传感器自身的处理器完成对各自的原始探测信息的处理,处理结果以合乎要求的形式输入融合中心,以便融合中心能以表决的形式进行融合处理。由于融合中心没有复杂的信息处理任务,因此,十分便于工程实现。作为例子,本文给出的是一个３传感器目标检测系统,每个传感器都定义了置信级别。融合中心的工作就是利用各传感器的检测结果和相应的置信水平来进行融合处理的。最后,还对文献１进行了探讨。     

ADAPTIVE BAYES RIDGE ESTIMATION FOR THE PARAMETERS OF THE LINEAR MODEL

ＡＤＡＰＴＩＶＥＢＡＹＥＳＲＩＤＧＥＥＳＴＩＭＡＴＩＯＮＦＯＲＴＨＥＰＡＲＡＭＥＴＥＲＳＯＦＴＨＥＬＩＮＥＡＲＭＯＤＥＬＺｈａｎｇＪｉｎｈｕａｉ（ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏｍａｔｉｃＣｏｎｔｒｏｌ,ＮＵＤＴ,Ｃｈａｎｇｓｈａ,４１００７３）Ａｂ...     

基音检测的一种时域方法

提出基音检测的一种新的时域方法,直接利用波形的形状特征,进行波形之间的匹配估计,从而提取出一帧语音信号的平均基音周期。实验证明该方法运算量小、准确率高,能满足实时处理的需要。