一种基于最小熵准则的SAR图像自聚焦算法

研究了一种新颖的SAR图像自聚焦算法。该方法从复图像域出发 ,利用最小熵准则盲解卷积原理 ,通过多维搜索完成相位误差校正。同相位梯度自聚焦算法相比 ,最小熵算法无需在图像域分离出强点目标 ,因而特别适用于无任何明显特征的图像。仿真及实测数据处理结果证明了该方法的有效性     

基于时间的通信导航兼备系统定位误差分析

通信导航兼备系统已成为未来通信导航系统发展方向 ,由美国发展起来的联合战术信息分发系统(JTIDS)是典型代表。研究了通信和导航发展的历程及互相结合的途径 ,分析了JTIDS的工作方式和信号特征 ,讨论了JTIDS通信和导航能力 ;运用导航定位误差分析理论着重对JTIDS的相对导航原理及定位误差进行了深入分析 ,首次给出了该系统的定位误差场分布图和系统工作区。研究和分析结果可为建设和发展通信导航兼备系统提供重要参考     

非理想阵列的信号波达方向和多普勒频率估计

在均匀线阵存在误差的情况下 ,提出了一种信号波达方向和多普勒频率的估计方法。此方法在空间域 ,不仅考虑了阵元幅相误差 ,而且考虑了阵元位置误差 ,使包括幅相误差和位置误差在内的误差矩阵达到Frobe nius范数的最小值。在时间域考虑了测量噪声 ,使得多普勒频率估计的似然概率达到最大。仿真结果表明了此算法的有效性。     

多分辨正交多小波网络的结构与算法研究

小波网络是函数逼近的有力工具。利用多小波函数和多尺度函数的互补性,构造了一种具有分层、多分辨和局部学习特点的正交多小波神经网络。分析了该网络用于函数逼近时的性质,讨论了其结构并在此基础上给出了调整网络权系数的算法。理论分析和GHM多小波网络及db2单小波网络对几种非线性函数的仿真结果都表明,当函数具有一定的光滑性时,正交多小波神经网络的逼近性能优于正交单小波神经网络。     

基于动态预测企业生产计划模型

在静态的环境下 ,生产计划的决策主要来源于市场的需求预测 ,但是 ,如果在动态环境里 ,由于预测信息本身在不断地变化 ,预测值在不断地改变 ,如何将动态预测信息 (预测修正量 )转化成生产计划 ?研究需求信息向生产计划的动态转变与及时更新 ,具有很强的理论价值和重要的实际意义     

幅相误差对射频仿真系统目标位置精度的影响

依据电磁场理论，直接从三元组出发推导了射频仿真系统目标视在角位置方程。用数字仿真的手段，在整个阵面上随机均匀取点并模拟实际系统所产生的幅相误差，得出了几种情况下目标位置误差的统计分布，给出了它们的均值和方差。     

人工神经网络D最优设计的一种方法

利用初始的少数实例求初步的权值矩阵，根据该矩阵的人工神经网络模型找出偏导数向量的模最大时对应的设计矩阵，又根据该设计矩阵的实例求出新的权值矩阵，寻找新一轮设计矩阵。通过用泰勒级数展开的神经网络输出公式，求该输出函数的方差，证明了偏导数的向量的模最大是相关矩阵行列式最小(D最优)的充分条件。     

基准组合偏差导致基金业绩误差的实证研究

实证分析人为基准组合选择偏差对我国证券投资基金业绩的影响。首先运用常用评估方法，得出不同基准组合对我国证券投资基金的业绩结果，然后再分组对比各种业绩关系。     

基于RBF的机械手建模误差补偿自适应控制

针对机械手动力学建模误差,提出了基于RBF神经网络误差补偿的自适应控制策略。在基于逆动力学的计算力矩控制方法的基础上,对系统输入与目标轨迹进行修正,设计了两种误差补偿自适应控制器。利用RBF神经网络对修正项在线自学习,并根据Lyapunov稳定性理论建立了网络权重自适应学习律,保证了跟踪误差的收敛及系统的稳定。以平面转动双臂机械手轨迹跟踪为例进行仿真,结果表明该方法能够有效地补偿建模误差,提高了系统的控制性能并使控制系统具有对参数摄动的鲁棒性,对于机械手自适应控制具有一定的可行性。     

基于任务控制的动态多传感器管理方案

针对信息融合系统平台跟踪多目标过程中的多传感器管理问题,提出了一种基于任务控制的动态多传感器管理方案。根据滤波后的目标误差协方差与不同战场态势下的期望之间的差异,度量目标当前精度要求。利用模糊物元分析法,根据目标自身属性值和当前状态值,计算欧式贴近度,从而获得目标威胁度。在综合考虑传感器性能和系统资源能耗的基础上,建立了任务需求模型。依据该模型控制多传感器实现对目标的探测,寻求模型的最优解。仿真结果表明,该方案在保持目标跟踪精度及时效性的同时,能适当地控制资源消耗,减少系统总耗能。