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。     

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。     

结构方程模型参数估计的GME方法

提出应用广义最大熵的方法对结构方程模型的参数进行估计,该方法能够处理有限的或者不完全数据。为了验证广义最大熵方法在估计结构方程模型参数时的性能,采用了一个应用于美国顾客满意指数(ACSI)的结构方程模型生成仿真数据,仿真结果表明,与PLS相比,GME方法具有更高的拟合精度和较低的预测误差,在样本数据较少时,表现更为明显。     

长码直扩信号的符号速率盲估计方法

针对长码直接序列扩频(DSSS)信号的符号速率估计的难题,提出了基于相关处理的方法。该方法首先估计长码直扩信号的相关函数二阶矩,然后将相关函数二阶矩的估计作为输入信号进行预处理,以去除扩频码周期处的峰值。对预处理后的信号再次进行自相关处理,则所得的信号的频谱中含有符号速率谱线。理论分析和计算机仿真证明了所提出的算法的有效性。     

OFDM/OQAM系统信道估计改进方法

在基于导频的信道估计方法中,伪导频的功率决定了该信道估计方法的性能.为了提高OFDM/OQAM系统的信道估计精度,提高频谱效率,提出一种基于改进导频结构的信道估计方法.在原有导频结构的基础上,对其中功率最高的导频结构进行改进,并给出对应的信道估计方法.由于缺乏足够的接收信号先验知识,无法直接对信道进行估计.为了解决这一...