单向时延测量的实时时钟同步算法

对已有分段聚类算法进行改进,使用软件方法对单向时延序列进行分析,在线检测时钟调整位置.采用变宽度的滑动窗方法对单向时延数据进行过滤,减少时间序列大小,同时保证时钟调整位置信息不丢失.使用自底向上算法对时间序列进行线性分段,检测时钟调整或时钟频率跳变点,算法的时间复杂度大大降低.针对在线时钟同步的要求,为了消除滑动窗不具有离线算法的全局寻优缺点,提出使用基于滑动窗自底向上算法的实时单向时延时钟同步算法.实际测试实验表明:该算法大大降低了时间复杂度并提高了分段精度.     

一类随机变量序列关于乘积分布的强偏差定理

引进似然比作为整值随机变量序列相对于服从二项分布的独立随机变量序列的偏差的一种度量，并通过限制似然比给出了样本空间的一个子集，在此子集上得到了任意整值随机变量序列的一类用不等式表示的强极限定理，作为推论得到了服从二项分布的独立随机变量序列的一族强大数定理．进一步发展和完善了状态空间有限的随机变量序列关于乘积分布的强偏差定理．     

基于三维数字化测量技术的逆向工程应用研究

TRITOP和ATOS的结合应用是逆向工程中点云采集较为先进的方案。进行了光栅式光学扫描系统测量原理的研究,以异形部件为例,详细介绍了逆向的过程。通过ATOS扫描系统对该件进行扫描并对获得的点云数据进行预处理,同时采用CATIA软件对扫描点云进行曲面拟合及模型重构,实现了逆向的目的,偏差分析结果说明该方案可行,满足误差要求。     

奇数阶幻方、泛对角线幻方构作数集的拓广

本文提出偏差分均匀矩阵、有心偏差分均匀矩阵、3分偏差分均匀矩阵的概念,证明凡构成2m 1(m≥1）阶有心偏差分均匀方阵的数集,均可构成2m 1阶幻方;构成6m 1(m≥1）,6m 5(m≥0)阶偏差分均匀方阵的数集,均可构成相应阶的泛对角线幻方;构成6m 3(m≥1)阶3等分偏差分均匀方阵的数集,均可构成6m 3阶泛对角线幻方,因偏差分对称矩阵是有心偏差分均匀矩阵的特例,因而本文将构成奇数阶幻方、n=6m 1,6m 5阶泛对角线幻方的数集拓广为目前最为广泛的范围;n=6m 3的情况,偏差分对称矩阵与3等分偏差均匀矩阵是交叉概念,而后者受的约束条件较少。     

物流供应链管理中的不确定性分析

在信息化的时代，时代的竞争不再是单一企业间的竞争，而是企业供应链之间的竞争，企业越来越感觉到现有的组织结构、业务流程、管理模式已经无法适应新环境的需求。而供应链管理这种新的管理模式，为满足环境变化的需求，对物流和信息流进行设计、规划、控制和优化，是物流和信息流畅通，从而降低库存成本，缩短周期提高效率。本文就供应链的不确定性给供应链体带来的问题及影响因素进行简要分析。以便在供应链管理中把握不确定因素，从而提高供应链管理的有效性。     

合作人工与自动气象站气温观测差异分析及订正方程研究

自动气象站已成为今后我国地面气象观测的发展主流,将逐步取代人工观测。人工观测与自动观测之间不可避免的存在着观测差异,这种差异对历史气象资料的连续性提出了挑战。因此,对比分析两个观测系统之间的差异及两个序列间订正方程的建立是非常必要的。结果表明,合作气象站两种观测数据序列中,自动站日最高和最低气温系统性偏低于人工观测值,平均气温则反之。在分析两个数据序列差异的基础上,建立了各季的气温订正方程。订正后两个序列的差值明显减小,效果良好。     

鲁棒贝叶斯混合分布的模型选择

提出一种基于偏差信息准则(deriance information criterion,DIC)的鲁棒贝叶斯混合分布模型选择算法.在变分逼近框架下,给出鲁棒贝叶斯混合模型的DIC计算公式;设计的模型选择算法能同时学习模型参数推断和进行模型选择,避免在大的候选模型集中根据模型选择准则选取最优模型.给出试验参数初始值设置方法,在含有较多离群点的仿真数据和Old Faithful Geyser数据上的试验结果表明了好的性能:得到鲁棒的混合分量参数和较准确的混合分量个数.     

多传感器组网系统空间配准算法

传统的偏差配;住技术多基于球极投影,当传感器距离较远时,给配准结果引入一定的偏差,使用地心地固（ECEF）坐标系,以一个传感器为融合中心,提出了多传感器动态偏差的估计模型,能较好地解决了远距离偏差估计问题,由于的最小二乘法和广义最小二乘法不能满足实时动态系统配准,提出利用序惯卡尔曼滤波算法实现动态系统偏差估计,通过仿真试验说明该模型和算法能有效地进行传感器动态偏差估计．     

非线性模型的线性近似条件研究

测量数据处理中不同的非线性模型具有不同的非线性强度,从而使得一些非线性模型可以线性近似,而另一些选择适当的参数变换后可以线性近似,还有少数不能线性近似．介绍了度量非线性模型和附加限制条件的非线性模型的非线性强度的方法,提出了判断非线性模型和附加限制条件的非线性模型线性近似的数值标准———容许曲率和容许偏差．此外,还给出了实例,说明以上方法的可行性     

基于目标相对位置的多传感器数据关联及传感器偏差估计（英文）

多传感器数据关联是现代多传感器系统中的一个重要问题.多传感器数据关联即是确定不同传感器系统观测到的若干测量信号是否来源于同一个目标.传统的数据关联方法通过形成关联矩阵,来求取关联矩阵的最优解,但是容易受到传感器性能的影响.为了降低传感器性能对关联结果的影响,提出了一种新的通过采用比较传感器测量信号之间的相对位置并提取相对位置模式的方法来获得不同传感器系统对应的目标匹配对的方法,并给出了一种改进的适用于传感器目标信号关联的匹配算法.这种方法充分利用了测量信号之间相对位置的内在特性.仿真结果表明传感器偏差对于采用相对位置进行数据关联的方法基本没有影响,并且这种方法整体性能上有所提升.