应用循环平稳特性的宽带信号DOA估计

针对循环平稳宽带信号DOA估计问题,结合信号的循环平稳特性和共轭循环平稳特性,采用子空间分解方法研究宽带信号DOA估计方法. 该方法同时利用宽带信号循环平稳和共轭循环平稳两方面信息构造出扩展循环相关矩阵,采用常规方法得到宽带信号的方位谱,继承了Cyclic MUSIC算法的优点,当处理宽带信号源时不需要估计最佳延时时间. 仿真结果表明该方法具有良好的宽带信号选择能力和分辨能力,能抑制大功率干扰信号,估计性能较好.     

半参数ARCH模型的bootstrap估计

给出了一类半参数自回归条件异方差（ARCH）模型：Yt=m（Yt）＋εt√β0＋β1Yt2其中最εt～iid·N（O,1）,m（·）函数的形式不确定,为非参部分;肺,卢。是待估参数,历再万爵为参数部分．结合非参数估计的局部线性拟合方法和参数估计的极大拟似然方法,我们给出估计这类模型的方法．进一步,把该这种方法与bootstrap方法结合起来,同参数方法和半参数方法相比较得出,用半参数的bootstrap方法得出的残差平方和最小,拟合的效果最好．     

非线性阵列Khatri-Rao子空间宽带DOA估计

针对非线性阵列,基于Khatri-Rao子空间概念提出一种新的无预估角宽带到达角(direction-of-arrive,DOA)估计方法. 从Khatri-Rao子空间虚拟阵列导向矢量出发,利用虚拟阵列所增加的维数,以流形分离技术构造与到达角无关的宽带聚焦矩阵,无需预估角且估计性能良好. 采用Root-MUSIC算法避免传统算法中的谱峰搜索过程,降低了计算量. 仿真结果表明,该方法与需要预估角的已有Khatri-Rao子空间宽带DOA估计方法FKR-RSS相比,具有相近的估计精度和目标分辨力. 在信号源数大于阵元数的情况下,其性能优于FKR-RSS.     

稀疏阵列MIMO雷达高精度收发角度联合估计

提出一种基于孔径扩展的稀疏阵列MIMO雷达高精度收发角度估计算法. 采用收、发阵列均为稀疏线性分布式子阵的双基地MIMO雷达系统,通过非均匀阵列设计,利用Khatri-Rao乘积运算实现收发阵列中阵元间短基线和子阵间长基线的同时虚拟扩展. 对接收数据进行降冗余和数据平滑处理,利用双尺度酉ESPRIT算法解周期性模糊,得到无模糊的高精度收发角度估计. 与传统算法相比,所提出的算法在不增加天线数目和硬件复杂度的情况下可有效扩展MIMO雷达的阵列孔径,在实现多目标收发角度联合估计的同时获得更高的参数估计性能. 仿真结果验证了阵列虚拟扩展和算法方位估计的有效性.     

支付视角下疫情对消费经济的影响效应

新冠肺炎疫情对中国经济社会发展造成了前所未有的冲击,消费经济也受到了较大的影响。支付是与消费者最息息相关的经济活动,支付数据能够精准地捕获消费经济的特点。鉴于此,本文基于银联网络交易数据,量化了疫情对消费经济的影响,并对不同省份及行业进行了对比分析。同时,通过进一步分析疫情期间消费数据与疫情进展数据,定量揭示了疫情进展显著牵动消费信心,影响消费经济发展。若疫情得不到有效控制,复工复产则难以有效推进。本研究从支付的角度对后续疫情防控和经济全面复苏政策提出了相关建议。     

数控机床力-几何误差的PSO-SVM建模

为了提高数控机床几何误差建模精度,改进补偿效果,先用测力环等仪器模拟施加并测量机床主切削力,再用激光干涉仪同步测量机床俯仰角和偏摆角误差. 根据粒子群优化算法(particle swarm optimization,PSO)优化支持向量机(support vector machine, SVM)的相应参数,并以实际测量数据进行训练,从而建立
了PSO-SVM力-几何误差预测模型. 实际试验表明,PSO-SVM误差预测模型输出的偏摆角误差预测值与实测数据的最大差值仅为0.6 μrad,俯仰角误差预测值与实测数据的最大差值仅为0.21 μrad,远小于利用BP神经网络以及常规方法优化的SVM所建立的力-几何误差预测模型的误差,因此该模型可用于数控机床几何误差的高精度实时补偿.     

PSO算法用于导弹鲁棒控制器性能权函数优化

摘要： 在导弹1综合鲁棒控制器的设计中,性能权函数的设计通常只能采用尝试和仿真迭代方法. 这种设计方法繁琐费时,控制性能不确定. 该文采用粒子群优化(particle swarm optimization , PSO)算法自动设计性能权函数. 分析了性能权函数各项系数对闭环响应的影响,设计了PSO优化算法的各项参数,并对PSO算法和1控制进行综合设计. 仿真结果表明,采用优化后性能权函数获得的1控制器性能良好,性能指标函数具有较好的收敛特性,表明了该方法的有效性.     

信道压缩表示的OFDM快衰落信道估计

针对正交频分复用系统提出基于信道压缩表示的快衰落信道估计算法. 该方法采用一种紧凑型信道冲激响应(channel impulse response, CIR)矩阵及信道核向量的信道压缩表示方法,减少了CIR矩阵中的未知元素数目. 推导了等效信道模型以及CIR矩阵与信道核向量之间的闭式表达式,利用最小二乘和线性最小均方差估计器估计出信道核向量,并由其重构出CIR矩阵,从而实现了信道压缩表示的OFDM快衰落信道估计. 仿真结果表明,该算法能对快衰落信道进行有效估计,并降低系统传输BER.