基于keystone变换的噪声调频连续波雷达高速目标探测

针对目标高速运动导致严重多普勒色散的问题,提出基于keystone变换的距离徙动校正方法。根据噪声调频连续波无周期性的特点,对回波信号采用等间隔重叠分段法进行频域相关处理。结合快速离散时间尺度变换算法,能够实现高效的长时间相参积累。无需先验知识,能处理多目标场景。通过仿真实验验证了该方法的有效性,并与传统时域相关法进行了比较和分析。当目标未出现距离徙动时,该文方法和时域相关法对目标输出信噪比的提升效果基本一致。当目标出现距离徙动后,时域相关法的输出信噪比迅速下降,恶化程度与徙动严重程度成正比,而该文方法经距离徙动校正后的输出信噪比则基本不受目标速度的影响,且仍随积累时间的增加而增大。     

分布式OFDM-MIMO雷达包络对齐方法

针对分布式多输入多输出(MIMO)雷达多子站回波包络对齐问题,提出了一种基于正交频分调制(OFDM)波形的分布式MIMO雷达的包络对齐方法.首先建立了该雷达的信号模型,然后根据不同子阵回波距离走动的差异,提出了回波包络走动校正方法,并给出了相应的适用条件.仿真实验测试了不同信噪比、不同多普勒频率下的包络对齐效果,证实了提出方法的有效性.     

C30钢渣混凝土的温度线膨胀系数试验研究

通过埋设在C30普通混凝土和C30钢渣混凝土中无应力计的实测伴测温度及计算得到的无应力应变值,采用最小二乘法进行拟合。拟合成果表明:C30普通混凝土的温度线膨胀系数接近10.0×10-6/℃,C30钢渣混凝土的温度线膨胀系数大于11.0×10-6/℃;无论是C30普通混凝土还是C30钢渣混凝土,其温度线膨胀系数α不是一个定值,它随着时间的改变而改变。为实现钢渣在混凝土中安全、可靠的利用,建议钢渣混凝土在温度应力对结构稳定性影响不大的建(构)筑物中使用。     

一类初等算子的范数

目的讨论B(H)上初等算子Δ(X)=AXB CX的范数。探求‖Δ‖=‖A‖‖B‖ ‖C‖(A,B,C≠0)成立的充要条件和‖Δ‖的下界。方法以正规极大数值域这一复数域上的紧凸子集为媒介,根据其定义及初等算子范数的性质推导。结果‖Δ‖=‖A‖‖B‖ ‖C‖(A,B,C≠0)成立的充要条件是‖A*C‖=‖A‖‖C‖且WN(A*C)∩WN(B)≠。并求出‖Δ‖≥supλ∈WN(B)‖‖B‖A -λC‖。结论得到有关初等算子Δ范数上界的一个充要条件,找到了初等算子Δ范数的下界。并且得到初等算子范数的一些推论。     

基于四阶累积量的近场源三维参数联合估计

针对近场窄带信源仰角、方向角和距离三维参数的估计问题,提出了一种新的近场源三维参数的联合估计方法。该方法利用特征值及相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,只需一维参数匹配,计算量适中,并且适用于加性高斯噪声环境。仿真实验证明,当信噪比为0时,该方法仍能够正确估计信源的参数。     

基于J特性图的扩大调速范围型无级变速器的设计

简介了封闭行星轮系特性图和功率分配系数PF的计算法,查表可确定功率流形态.又采用了求J直线和t直线交点,按图由交点直接确定功率流种类的方法.以一种扩大调速范围型无级变速机为实例,用这些“特性图”对其进行了设计和功率流分析.     

基于跳跃时间和幅度的BDI指数波动幂律分布特性研究

BDI指数是国际航运市场的风向标,摸清BDI指数波动幂律分布特性,对于进一步掌握运费规律、预测BDI趋势、协助航运决策等方面具有重要意义.基于此,本文对已运行30年BDI指数的波动幂律分布特性进行了详细研究,主要特色有:一是借助Pareto、Exponential以及Fokker-Planck函数首次深入探讨了BDI指数波动幂律分布特性.二是在跳跃识别的基础上,构建了基于跳跃时间和跳跃幅度两标度的BDI指数波动幂律分布特性分析模型,并转化成最小二乘法的线性回归测算模型.三是对BDI指数日、周和月增长率的跳跃时间和跳跃幅度幂律分布特性进行了实证分析.结果表明:BDI指数具有尖峰薄尾的增长率分布和波动聚集性;Fokker-Planck函数拟合BDI指数增长率跳跃时间更合适;Exponential函数拟合BDI指数增长率跳跃幅度更合适;BDI指数增长率跳跃时间和跳跃幅度都具有薄尾幂律特性,且向上、向下幂律呈现对称性.     

Financial volatility modeling: The feedback asymmetric conditional autoregressive range model

An implied assumption in the asymmetric conditional autoregressive range (ACARR) model is that upward range is independent of downward range. This paper scrutinizes this assumption on a broad variety of stock indices. Instead of independence, we find significant cross‐interdependence between the upward range and the downward range. Regression test shows that the cross‐interdependence cannot be explained by leverage effect. To include the cross‐interdependence, a feedback asymmetric conditional autoregressive range (FACARR) model is proposed. Empirical studies are performed on a variety of stock indices, and the results show that the FACARR model outperforms the ACARR model with high significance for both in‐sample and out‐of‐sample forecasting.     

Predicting Stock Return Volatility: Can We Benefit from Regression Models for Return Intervals?

We study the performance of recently developed linear regression models for interval data when it comes to forecasting the uncertainty surrounding future stock returns. These interval data models use easy‐to‐compute daily return intervals during the modeling, estimation and forecasting stage. They have to stand up to comparable point‐data models of the well‐known capital asset pricing model type—which employ single daily returns based on successive closing prices and might allow for GARCH effects—in a comprehensive out‐of‐sample forecasting competition. The latter comprises roughly 1000 daily observations on all 30 stocks that constitute the DAX, Germany's main stock index, for a period covering both the calm market phase before and the more turbulent times during the recent financial crisis. The interval data models clearly outperform simple random walk benchmarks as well as the point‐data competitors in the great majority of cases. This result does not only hold when one‐day‐ahead forecasts of the conditional variance are considered, but is even more evident when the focus is on forecasting the width or the exact location of the next day's return interval. Regression models based on interval arithmetic thus prove to be a promising alternative to established point‐data volatility forecasting tools. Copyright ©2015 John Wiley & Sons, Ltd.     

南洞地下河最枯径流的周期变化及趋势分析

通过运用基于小波分析和重标极差分析的研究方法,对南洞地下河总出口24a最枯径流的周期变化和趋势进行分析与讨论。研究结果表明,4a、10a和15a3个周期的波动控制着南洞地下河最枯径流在1990-2013年时间域内的变化特征,其中10a的周期震荡最强,为流域年最枯径流变化的第一主周期;15a、4a尺度为最枯径流变化的第二、第三周期。在4a、10a和15a3个时间尺度下的赫斯特指数分别为0.315 60、0.573 28、0.740 43,说明未来4a尺度下最枯径流的变化趋势与过去相反,而未来10a和15a等较长尺度下的趋势变化与过去的变化相似。研究结果为南洞地下河最枯水期水资源的开发与调配提供了参考。