基于正交基函数的广义FIR模型辨识方法

为了解决高阶脉冲响应模型带来的分析和计算上的困难,利用系统的部分已知信息构造正交基函数,并将其引入到传统脉冲响应建模中,提出了一种广义脉冲响应模型辨识方法。该方法通过正交基函数对输入数据进行滤波,使得滤波后的数据蕴涵着系统的部分动态特性,但也使滤波后的数据不再满足时移特性,因而无法直接使用梯度算法对模型参数进行辨识。结合递推最小二乘原理,给出了模型参数的计算公式。最后给出了仿真算例,结果表明,给出的方法具有优良的性能,完全能够满足系统建模要求。     

海杂波的非广延分布模型

传统上常使用统计模型为海杂波建模,发现虽然统计模型可以很好地拟合实际海杂波的幅度分布,但是由于它不能很好反映出海杂波的物理特性,因此获得的分布参数不能用来检测弱小目标.针对上述缺点,采用Tsallis分布模型对海杂波数据进行建模,发现Tsallis分布不仅能够很好地拟合实际海杂波数据,而且获得的分布参教可以有效检测海杂波背景下的弱小目标.最后通过对Tsallis分布中的非广延参数q进行分析,发现海杂波具有介于随机模型与混沌模型之间的幂率敏感性.     

电力消费及其影响因素: 基于非参数模型的研究

基于半参数模型和非参数模型研究了电力消费系统中各影响因素的线性以及非线性的影响效应,其结论表明:我国经济的快速增长、人口因素和经济结构都是影响我国电力消费的重要因素;电力价格指数对 电力消费需求的影响效应并不是很大,不足以抵消上述因素所引致的电力消费的快速增长; 而且我国的能源利用效率虽然在不断提高, 但仍然还处于一个比较低的水平.     

基于干涉Cartwheel编队构形的系统参数定标

干涉Cartwheel是实现星载合成孔径雷达干涉测量(InSAR)的一种编队卫星构形。它能利用相对稳定的星间基线进行干涉测高,并通过系统参数定标获得高精度的地面数字高程模型(DEM)。首先利用干涉Cart-wheel的几何构形,建立了多基线干涉平台待定标参数之间的关系。然后在精确的星间测距基础上,将待定标参数关系引入到各干涉平台定标方程中,提出了多干涉平台联合定标算法。该算法利用干涉Cartwheel构形的冗余信息,不仅能一次联合修正多个干涉平台的系统参数,而且降低了地面定标控制点的实现要求。仿真表明该算法能给出较好的参数定标结果,并重建出精确的地形高程。     

DDFS spurious signals due to amplitude quantization in absence of phase-accumulator truncation

Spurious signals in direct digital frequency synthesizers (DDFSs) are partly caused by amplitude quantization and phase truncation, which affect their application to many wireless telecommunication systems. Thee signals are deterministic and periodic in the time domain, so they appear as line spectra in the frequency domain. Two types of spurious signals due to amplitude quantization are exactly formulated and compared in thetime and frequency domains respectively. Then the frequency spectra and power levels of the spurious signals due to amplitude quantization in the absence of phase-accumulator truncation are emphatically analyzed, and the effects of the DDFS parameter variations on the spurious signals are thoroughly studied by computer simulation. And several important conclusions are derived which can provide theoretical support for parameter choice and spurious performance evaluation in the application of DDFSs.     

Parametric estimation of ultra wideband radar targets

Based on the analysis of impulse response properties, a scattering model of ultra wideband (UWB) radar targets is developed to estimate the target parameters exactly. With this model, two algorithms of multiple signal classification (MUSIC), and matrix pencil (MP), are introduced to calculate the scattering center parame-ters of targets and their performances are compared. The simulation experiments show that there are no differ-ences in the estimation precision of MUSIC and MP methods when the signal-to-noise ratio (SNR) is larger than 13 dB. However, the MP method has a better performance than that of MUSIC method when the SNR is smaller than 13 dB. Besides, the time consuming of MP method is leas than that of MUSIC method. Therefore, the MP algorithm is preferred for the parametric estimation of UWB radar targets.     

反演海底参数的不确定性对声传播损失预报的影响

浅海混响反演海底声学参数的结果通常被直接用于计算(预报)声传播损失(TL),而很少考虑参数反演结果的不确定性对TL预报的影响.首次采用后验预报概率方法分析浅海混响垂直相关反演海底参数结果的不确定性对TL预报的影响.一次海上实验数据处理的结果表明:3个不同深度、1～5km传播距离内,500～800Hz频段相干TL在相干极大值附近其后验预报概率分布较为分散,而在其他区域较为集中,相应的最大90%置信区间(CI)超过20dB,整体距离上的平均90%CI也超过6dB;相同条件下非相干TL的后验预报概率均很好地收敛于最优值,相应的最大90%CI不超过5dB,距离平均90%CI小于3dB.     

基于遗传算法的嵌入式仿真的系统辨识与控制优化

数字随动(伺服)系统因具有非线性、不确定性和时变性,难以精确地建立系统的数学模型,由此对设计高性能的控制器造成困难.遗传算法因其隐含并行性、全局搜索等优点,在优化问题领域得到了很好的应用,但遗传算法简单应用于如数字随动系统这样的控制系统在线闭环辨识或参数优化时,会面临大量重复实验成本高、实验时间过长引起系统不稳定等实际问题.针对以上困难,提出一种基于嵌入式仿真的系统辨识方法,采用遗传算法进行数字随动系统同步在线闭环模型参数辨识与控制参数寻优.经过在数字随动系统实物环境下实验,证明了该方法的有效性.     

基于堆栈式LSTM网络的通信辐射源个体识别

针对现有通信辐射源个体识别方法预处理过程复杂及特征提取较难的问题,提出了一种基于堆栈式长短期记忆(long short-term memory, LSTM)网络的辐射源个体识别算法。该算法直接使用IQ时间序列信号训练LSTM网络,即可实现对通信辐射源个体的高效识别,避免了复杂的信号预处理过程。为使LSTM网络能更好地适用于通信辐射源个体识别,利用3层LSTM网络提取辐射源深层特征,并通过实验优化了网络参数。然后对该算法的实际应用泛化性进行了实验探究,结果表明该算法在其他辐射源数据集上也取得了较好的效果。最后,通过实验对算法进行了验证,结果表明相比于传统算法,在样本数较多时,该算法的识别准确率可以达到98%,而且简单快速智能,便于工程化与实用化。     

广义线性模型的贝叶斯分析及稳健参数设计应用

讨论了非正态响应稳健参数设计中应用最为广泛的广义线性模型.针对广义线性模型在稳健参数设计中普遍存在的估计性问题,对广义线性模型的参数采用相对客观的Jeffreys先验分布,运用基于ARMS抽样算法的MCMC方法动态模拟出各参数后验分布的马尔科夫链,并给出了广义线性模型参数的估计值和显著性因子.根据实际工业试验数据,利用SAS软件对广义线性模型进行了贝叶斯分析,结果表明贝叶斯广义线性模型在参数估计的稳健性和显著性因子识别方面比一般的广义线性模型更加可靠和有效.