面向多媒体取证的电网频率建模

电网频率建模旨在对其随机波动特性建立数学模型,形成特征描述、统计分析以及轨迹预测能力,是基于电网频率判据的数字取证中一项重要的研究子课题。该文首先揭示了现有自回归模型的不足,并基于该模型对实际观测得到的电网频率参考信号数据集进行统计分析,分别用差分整合移动平均自回归（autoregressive integrated moving average,ARIMA）模型和两种基于马尔科夫链的模型进行建模,进而求解模型各项参数。对比实验表明：ARMA(2,4)模型在理论上对华中电网频率具备最优的描述性能,而马尔科夫链模型因考虑到实际场景下频率分辨率的局限性,更适用于模拟从待测文件中提取的电网频率。     

超宽带信道建模技术研究

超宽带通信是一种可以实现大容量传输的技术,并与别的无线传输系统互不干扰,并且还具有良好的穿透性。而要实现超宽带通信,就必须要研究它的无线通信模型。简要介绍了超宽带技术及其在一些领域的应用,并介绍了超宽带信道建模的意义。研究了如何在时域和频域情况下建立传输信道模型,并给出了各自的算法模型和仿真。     

光纤陀螺随机漂移的建模与实时滤波方法

光纤陀螺的随机漂移具有非平稳和非零均值的特点,传统时间序列分析法必须对原始数据进行预处理后再进行建模,无法满足在线建模的要求。针对这一问题,采用差分自回归移动平均模型和递推最小二乘法相结合的方法对光纤陀螺的随机漂移构建动态模型,再通过基于该模型的无迹卡尔曼滤波算法对随机漂移实时滤波,并与自适应卡尔曼滤波进行实验对比。实验结果表明,该方法具有较高的滤波精度,能更有效地抑制光纤陀螺的随机漂移。     

北斗卫星导航产业发展态势的多维度预测方法

针对北斗市场发展过程中不同维度市场产值的预测需求，从整体产值、产业链、上市公司市值等3个不同维度构建了北斗市场产值预测模型。从整体市场产值预测需求出发，研究对比了不同预测模型的产值预测方法及精度，得到不同数据情况下的模型选择参考；基于产业链的产值发展数据，采用不同的经济预测模型，实现单一产业链或整体产值的统计预测；基于上市公司市场产值的预测方法，对特定上市公司、整体北斗市场等不同维度和层次的市场产值进行跟踪和预测。最后，通过实验验证分析了不同模型和方法的精度和可行性，分析在不同数据基础和预测需求条件下的适用方法，为满足不同维度的北斗市场产值预测提供数据和决策支持。     

ARMA模型的超定递推辅助变量定阶方法

本文提出了自回归滑动平均(ARMA)模型的超定递推辅助变量定阶方法.该方法具有好的计算性能和好的统计性质,相对于 AIC 信息准则和递推辅助变量定阶方法是一种更加灵敏的过参数指示器,能够准确明显地确定 ARMA 模型的阶数.方法的可行性用模拟计算和实验数据处理进行了验证,同时,还将该方法与递推辅助变量定阶方法进行了比较.结果表明:超定递推辅助变量定阶方法是一种行之有效的、高性能的定阶方法。     

ARMA模型的平方根超定递推辅助变量定阶方法

提出了自回归滑动平均(ARMA)模型的平方根超定递推辅助变量定价方法.该方法避免了计算逆协方差阵失去正定性的问题,改进了超定递推辅助变量定阶方法的数值稳定性.模拟计算与实验数据处理表明,该方法数值稳定性好,收敛速度快,抗噪能力强.是一种高性能的定阶方法。     

采用物理层网络编码的2FSK双向中继通信系统解调映射方案

提出了一种相干型中继节点解调映射方案,适用于采用物理层网络编码的二进制频移键控(binary frequency shift keying, 2FSK)双向中继通信系统. 方案分两支路对叠加信号进行处理,然后对两路信号差值进行抽样判决,并对判决结果进行网络编码映射. 采用最大后验概率准则得到判决门限. 分析了采用该方案中继节点的
判决错误概率、系统误码率及吞吐率性能. 理论分析和仿真验证表明,采用该方法进行解调映射的物理层网络编码方案中继节点判决错误概率和系统误码率与传统方案和网络编码方案相近,系统吞吐率则高于两者.     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition, EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值.