线性回归模型系数岭估计的改进研究

对作者提出的c-k型估计,进行了进一步的研究.证明利用Stein式压缩技术可以改进岭估计(在均方误差意义下);同时给出了参数的最优值满足的条件.证明了c-k型估计的可容许性.文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径.     

地基伪卫星导航系统的伪距精度估计方法

地基伪卫星导航系统的伪距和伪距变率精度对评估系统的导航性能或其信息与其他系统导航信息的融合意义重大。目前的伪距和伪距变率精度估计方法基本上都是针对卫星导航系统的,并且没有充分考虑地基伪卫星导航系统自身的特点。通过构造伪距和伪距变率精度观测量,利用地基伪卫星导航系统可产生较差定位构型的特点,提出了一种在外测系统定位定速精度较差且存在杆臂长度的情况下仍然能够获取准确估计量的伪距和伪距精度估计方法。仿真结果表明所提方法可有效地估计出伪距和伪距变率的精度而且具有较强的适用性。     

弹道导弹关机点状态估计的指数加权递归最小二乘方法

在双星预警条件下,将指数加权递归最小二乘算法应用于目标关机点状态估计问题中。通过引入加权因子对目标助推段运动的局部拟线性特性进行描述,从而在一定程度上克服了一般的线性多项式模型难以准确刻画整个助推段运动的难题。通过对助推段目标动力学特性的分析,考察了目标在垂直射面方向上的运动特性。在此基础上,提出了一种更为准确的助推段运动模型。仿真算例表明,所提出的关机点状态估计方法相对于传统的方法具有一定的优越性。     

GTEM室内脉冲场分析及对数周期天线的响应规律研究

为研究对数周期天线(LPGA)的方波脉冲响应特性,利用GTEM室和CST仿真软件对LPGA方波脉冲响应信号进行实验测试与仿真分析.利用实验室自行研制的超宽带电场测试系统对GTEM室进行校准,得到了室内电场强度E(t)与方波源的输出电压V(t)和芯板高度h之间的关系;搭建GTEM室中天线脉冲响应测试平台,得到不同辐照方向下的LPGA方波脉冲时域响应信号;利用CST仿真软件建立对数周期天线的3D模型,得到响应信号幅值的开路电路模型.     

广播星历参数星上自主拟合算法

导航星座自主导航要求卫星能自主生成导航电文,针对星载计算机的处理能力有限,引入基于遗忘因子的递推最小二乘估计算法实现快速拟合广播星历。针对导航卫星轨道偏心率近似为0,在数据拟合过程中会导致法矩阵(HTH)奇异的问题,提出基于无奇异变换的广播星历参数拟合算法,引入无奇异轨道根数代替经典开普勒根数,迭代拟合得到改进广播星历参数,再将结果归一化到基于开普勒根数的广播星历参数。利用仿真算例验证了广播星历星上自主拟合算法的合理性。     

Chirp信号参数估计算法性能比较

通过数值仿真定量地比较了三种Chirp信号参数估计算法——解线调法、迭代估计法和局部搜索最大似然法的性能,并定性地比较了算法的运算量。仿真结果表明,在三种算法中,局部搜索最大似然法的估计性能最好,而运算量居中;解线调法运算量最大,但估计性能居中;迭代估计法的估计性能最差,但运算量最小。对于实际系统,应根据不同的估计精度和运算量要求,灵活选择不同的算法。综合考虑估计性能和运算量之间的折衷可以得到结论,在三种算法中局部搜索最大似然法是一种相对较好的选择。     

2D组网雷达目标真实高度的最小二乘估计

针对目标高度估计问题,给出了基于三部以上雷达距离测量的2D组网雷达目标真实高度的最小二乘估计,同时也给出了利用三部雷达计算目标真实高度的非最小二乘算法,并通过大量仿真分析了两种算法的性能。该算法能够在2D组网雷达内实现对目标真实高度的有效估计。     

一种基于随机映射的战斗效能模型

利用随机映射概念提出了一种新的战斗毁伤模型形式———Lanchester战斗网络模型。模型是由一个阶递减的随机映射序列组成的随机有向二部图,它明确、形式地描述了战争整体行为与局部作用之间的关系。理论分析和计算获得的结论表明,模型描述的整体作战效能符合Lanchester平方律,其网络拓扑结构是非同质的,出度和入度分布服从指数幂律。应用模型定量对比了“对称”与“非对称”战斗中全局信息因素对战斗系统整体效能的影响。初步讨论了网络模型研究在战争建模理论、实证和计算方法论上的意义。     

A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。