时间跨度对GPS坐标序列噪声模型及速度估计影响分析

选取全球范围内72个基准站的坐标序列,采用改进的赤池信息量准则、贝叶斯信息量准则对不同噪声模型组合进行噪声分析,得到基准站坐标序列的最优噪声模型及速度参数,探讨时间序列跨度对噪声模型及速度估计的影响。结果表明,基准站坐标序列噪声模型不能由单一的噪声模型表述,其呈现出多样性特征,主要表现为幂律噪声、高斯马尔科夫噪声、闪烁噪声+白噪声特征,且三坐标分量表现出不同的噪声特性;随着时间跨度的增加,坐标时间序列的最优噪声模型、GPS站速度及其不确定度逐渐由发散趋于收敛,随机游走噪声模型的比重有所增加。结果表明10 a以上的时间跨度是较为理想的噪声模型估计尺度。     

应用于飞控系统评估的风洞虚拟飞行试验系统与关键技术分析

基于传统意义上的飞控系统评估方法的不足,分析了风洞虚拟飞行试验应用于飞控系统评估的优势;按飞控系统常用的姿态控制回路及制导控制回路的组成形式,介绍了风洞虚拟飞行试验系统方案与工作原理,详细分析了它与半实物仿真系统的差异;分析了风洞虚拟飞行试验应用于飞控系统评估需解决的关键技术问题,包括风洞虚拟飞行试验评估方法、飞行器模型设计技术、飞控系统改进技术及模型支撑技术。     

双经纬仪异面交会目标点的空间位置估计

针对双经纬仪异面交会中目标点并不一定正好在公垂线上的问题,提出了在公垂线附近的空间区域上估计目标点位置的方法。该空间区域为以公垂线为对角线,各边分别平行于双经纬仪测量坐标系三轴的长方体空间区域。在目标点位置估计时考虑到经纬仪高低角与水平角测角精度的不同,以及目标点与经纬仪之间距离对空间点坐标精度的影响。采用蒙特卡洛方法模拟结果表明:新方法的目标点空间位置估计精度不亚于传统公垂线法,在特定情况下甚至能提高5%以上。模拟结果验证了新方法的可行性和有效性。     

基于判别分析阈值滤波协作通信系统信道估计

在基于正交频分复用技术的放大转发协作通信系统中,针对传统信道估计算法估计精度差的问题,提出一种基于判别分析阈值滤波离散傅立叶变换信道估计算法。该算法首先通过设置改进的阈值门限初步获得信道有效抽头,然后利用马氏距离判别分析对已检测出的信道抽头修正。仿真结果表明:和传统方法相比,提出方法有效地滤除了信道估计中的噪声,改善了信道估计精度和误码率性能。     

虚拟现实系统的建模方法

采用先进的建模方法 ,开发组织和管理复杂的虚拟环境 ,不仅能够提高开发效率 ,甚至关系到项目开发的成败。研究了面向对象和面向智能体两种虚拟现实 (VR)系统设计的基本方法。     

周期平稳通信信号时差估计

研究了一种利用信号谱相关特性对周期平稳通信信号进行时差估计的方法。研究表明,谱相关时差估计方法较之经典的广义互相关(GCC)法具有更强的抗干扰能力,在多辐射源环境下,该方法可以无模糊地估计各个辐射源的时差。     

小口径舰炮对空虚拟校射校正量的最优估计

首先建立了小口径舰炮对空虚拟校射脱靶量的观测方程,分析了脱靶量的统计性质,在此基础上推导出校正量的最优估计量,并用仿真结果验证了结论的正确性。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。     

初级指挥院校实施案例教学应把握的几个问题

结合分析案例教学的特点 ,探讨案例教学对武警院校教学的作用 ,实施案例教学的一般程序和方法 ,以及提高案例教学效果的基本途径。     

Adaptive random search for continuous simulation optimization

We present, analyze, and compare three random search methods for solving stochastic optimization problems with uncountable feasible regions. Our adaptive search with resampling (ASR) approach is a framework for designing provably convergent algorithms that are adaptive and may consequently involve local search. The deterministic and stochastic shrinking ball (DSB and SSB) approaches are also convergent, but they are based on pure random search with the only difference being the estimator of the optimal solution [the DSB method was originally proposed and analyzed by Baumert and Smith]. The three methods use different techniques to reduce the effects of noise in the estimated objective function values. Our ASR method achieves this goal through resampling of already sampled points, whereas the DSB and SSB approaches address it by averaging observations in balls that shrink with time. We present conditions under which the three methods are convergent, both in probability and almost surely, and provide a limited computational study aimed at comparing the methods. Although further investigation is needed, our numerical results suggest that the ASR approach is promising, especially for difficult problems where the probability of identifying good solutions using pure random search is small. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010