基于EMD-小波随机消噪模型的GPS/INS组合导航

为提高GPS/INS组合导航精度,提出了EMD-小波INS随机误差削弱模型.首先分析了GPS/INS组合系统的误差特点,给出组合导航的基本原理.基于EMD的多尺度结构,结合小波分解理论,提出基于EMD-小波的GPS/INS组合导航技术路线.采集新南威尔士大学校园内的实测数据,分别选用1s与2s的GPS采样信息和100 Hz的INS数据,进行融合试验.用随机模型消噪前后的INS数据计算导航解,并与GPS测量的位置进行比较,分析误差分布情况.结果表明,滤波后的INS自主导航解要优于滤波前.当GPS更新周期为1 s时,X,Y,Z方向上导航精度分别提高9.07％,13.89％,35.14％,残差最大值分别减小2.62％,19.54％,31.23％.当GPS更新周期为2s时,X,Y,Z方向上导航精度分别提高17.82％,23.46％,22.48％,残差最大值分别减小14.34％,28.85％,17.48％.     

右上角双线性时间序列模型的一阶渐近稳定性

本文研究右上角双线性时间序列模型：的一阶渐近稳定性，其中｛ｅｔ｝是独立随机序列，且Ｅ＜＋，Ｅ（ｅｔ）＝Ｅ（ｅ３ｔ）＝０，Ｅ（ｅ２ｔ）＝．我们获得极限向量ｕ＝ｌｉｍ（Ｅ（Ｘ），Ｅ（Ｘｅｔ－１），存在的条件及其表达式，其中Ｘｔ＝（ｘｔ，ｘｔ－１ｒ＝ｍａｘ（ｐ，ｎ，ｍ）。     

基于空间马尔科夫模型对兴隆山自然保护区土地利用/覆盖变化趋势的研究

在模拟兴隆山自然保护区近20年来土地利用/覆盖变化(land use and land cover change,LUCC)的过程中,提出了按照驱动力差异将研究区划分成不同亚区后分别进行模拟的思路.首先将研究区划分成了4个亚区,并对分区的合理性进行了检验,然后采用空间马尔科夫模型预测了研究区的土地利用变化趋势.结果表明:1)对于山地景观,因为局部地形影响以及水热条件组合的不同,LUCC驱动力表现出较大差异,因此在进行山地LUCC预测时需要按照驱动力的差异将研究区划分成不同亚区后分别进行预测;2)4个亚区的演化趋势并不一致,说明在兴隆山自然保护区今后的保育过程中应该针对具体区域具体分析,对不同亚区采取不同的保护措施;3)研究区林地面积趋于减少,耕地面积趋于增加,因此,应严格执行保护区管理条例,加强林地管护.     

大气湍流对受光阑限制的多色高斯-谢尔模型光束总光强分布特性的影响

基于广义惠更斯-菲涅尔原理,采用Rytov相位结构函数二次近似和窗口函数的复高斯展开法,推导出了受光阑限制的多色高斯-谢尔模型(GSM)光束在大气湍流中的总光强公式,详细研究了大气湍流对受光阑限制的多色GSM光束总光强分布特性的影响.研究表明,光束截断参数、光束相干参数和源光谱带宽越小,大气湍流对受光阑限制的多色GSM光束总光强影响就越小.特别地,湍流对受光阑限制的多色GSM光束的影响比无光阑限制时要小;在大气湍流和自由空间中,受光阑限制的多色GSM光束比准单色GSM光束扩展大.     

基于GMM的"时间-空间分布模型(TSDM)"及其在说话人辨认中的应用

提出了一种新的注册者模型——“时间一空间分布模型（TSDM）”,传统GMM用参数表征训练矢量的空间分布,但舍弃了训练矢量间的时间联系信息,而TSDM利用基于GMM中均值矢量的高阶协方差矩阵,可向训练矢量的空间分布模型中引入一定程度的训练矢量间时间联系．还给出了TSDM的判据生成方法．实验表明,TSDM能在长训练语句时获得与传统GMM相当的识别性能,在短训练语句时表现得更优秀．     

大气湍流对径向分布的高斯-谢尔模型列阵光束角扩展的影响

基于广义惠更斯-菲涅耳原理,推导出了径向分布的高斯-谢尔模型(GSM)列阵光束在大气湍流中的角扩展(θsp)的解析表达式,研究了湍流对列阵光束角扩展的影响.研究表明:交叉谱密度叠加时的径向分布的GSM列阵光束的θsp总比光强叠加时的θsp小,但交叉谱密度叠加时θsp受湍流影响较光强叠加时大.交叉谱密度叠加时,相干长度、束腰半径、光束数越小和径向分布半径越大的径向分布的GSM光束的θsp受大气湍流的影响越小;光强叠加时θsp则与光束数和径向分布半径无关.     

基于广义加-乘危险率模型的多重事件时间数据病例队列试验研究(英文)

用伪似然函数的方法集中讨论了基于广义加-乘危险率模型的多重事件时间数据病例队列试验.考虑两种抽样机制.模拟试验和一个实例被用来评价估计量的表现.     

集中式GNSS/INS深组合模型及算法研究

研究了集中式深组合量测模型;并在此基础上研究了深组合滤波算法。由于集中式深组合系统具有强非线性、状态向量维数高、计算量大等特点,将一种降维容积卡尔曼滤波算法(reduced-dimension cubature kalman filter,RCKF)应用于集中式深组合滤波中。相较于常规容积卡尔曼滤波算法(cubature kalman filter,CKF),该算法仅对状态向量中与量测矩阵非线性有关向量采样,减少采样向量维数从而降低滤波计算量。通过仿真实验证明该算法在不损失精度的情况下,可大大减少组合滤波计算量。     

基于置信度加权的INS／BD／GPS组合导航信息融合

针对联邦卡尔曼滤波算法存在的不足,将标准卡尔曼滤波方法和置信度加权方法相结合,应用于组合导航系统.该方法利用了自适应神经网络模糊推理技术非线性、快速实时、自适应学习的优点,将滤波器的输出数据进行置信度判别,得到各个子系统加权值,最后进行加权融合得到全局输出.仿真结果表明:基于ANFIS神经网络置信度加权的组合导航信息融合技术在一定程度上抑制了数据的发散,提高了导航精度.     

计及相关性的改进均值一阶鞍点估计概率潮流计算

概率潮流是用于计算具有不确定性电力系统运行的重要工具。许多已知的算法都是假定给定的概率密度函数来模拟随机变量的不确定性,形成参数概率潮流工具。但是随机变量的不确定性可能不会落在标准的概率密度函数中,因此提出了非参数模型即均值一阶鞍点估计模型。均值一阶鞍点估计法要求输入变量相互独立,针对这种情况,提出利用Cholesky分解将相关的输入变量转化成不相关的变量,同时为了解决一些输入变量的累积量母函数不能用显函数表示的情况,提出采用Taylor级数展开。该方法在求解输出变量概率密度函数和累积分布函数时,不需要积分或者微分。最后,在改进的IEEE34节点系统上进行仿真,结果表明所提算法的有效性和实用性。     

时频域交互法在微滑移干摩擦阻尼叶片振动分析中的应用

为准确揭示叶片阻尼系统的动力学特征,首次引入融合时域法(描述非线性力的准确性)和频域法(求解线性系统的高效性)为一体的时频域交互法,对基于微滑移摩擦模型的凸肩阻尼结构叶片系统进行了动力响应分析,并与时域法、频域法的计算结果做了比较.计算结果显示:在一定的参数条件下,时频域交互法的计算时间与一阶谐波平衡法相近,仅相当于四阶Runge-kutta法的1/10,相对误差值却不到一阶谐波平衡法的1/2,且保持稳定.研究表明:时频域交互法对于计算微滑移干摩擦阻尼叶片振动响应具有可用性,该方法克服了一阶谐波平衡法无法将微滑移模型的准确性体现在动力学分析中的不足,而且计算效率高.     

基于三层C/S模式下的数据传输系统的设计与实现

论述了三层C/S模式的基本概念,重点讨论了Socket连接下的三层C/S模式在Delphi中的编程技术,解决了企事业单位中的数据传输问题。