利用高阶谱重构功率谱抑制高斯有色噪声

在大地电磁测深法(MT)中,天然交变电磁场是其研究的主要对象。天然电磁场通常非常微弱,而传统的MT处理方法抑制噪声能力,尤其是抑制有色噪声能力相对较弱,从而导致大地电磁响应函数经常出现形态异常,在资料反演解释时,许多地质特征难以有效提取出来,这些问题严重阻碍了MT的实际应用效能和发展。根据任何高斯过程,其高阶统计量(高阶累积量,高阶谱)均为零的性质,通过信号的高阶谱恢复功率谱,再由功率谱估算MT响应函数,以抑制高斯有色噪声的影响。数值模拟试验显示,这种方法在抑制高斯有色噪声方面优于传统功率谱方法。     

带有色观测噪声的ARMA模型参数估计的三段算法

提出了带有色观测噪声的自回归滑动平均（ARMA）模型参数估计的三段算法。第一段用递推增广最小二乘法（RELS）估计自回归（AR）参数;第二段用Gevers-Wouters算法估计伴随滑动平均（MA）模型参数;第三段用求不相容线性方程组的最小二乘解得到原始MA参数估值。一个仿真例子说明了其有效性。     

带有色观测噪声的多传感器ARMA模型信息融合辨识

对带已知有色观测噪声的未知自回归滑动平均模型(ARMA)模型,提出了一种两段信息融合辨识方法:第一段用递推辅助变量(RIV)算法得到自回归(AR)参数的局部和融合一致估值,第二段用Gevers-Wouters算法和用伪逆求解线性方程组方法得到滑动平均(MA)参数和噪声方差的局部和融合一致估值。该方法可用于语言增强信号处理问题。一个仿真例子说明其有效性。     

基于有色赋时Petri网的半导体生产线建模技术研究

在深入了解半导体制造过程的基础上,为了有效分析半导体生产线调度与控制性能,提出了有色赋时Petri网的半导体生产线建模方法。该模型,根据生产线所存在主要调度子问题及其之间的相互关系,将半导体生产线划分为投料控制模块、路径调度模块和工件调度模块,这样可以有效降低模型的复杂性和提高模型的可重用性。建立以一个拥有3个工作中心、6台设备的半导体生产线Petri网模型,并对模型进行分析。最后指出了下一步的工作目标。     

矿业开发对环境影响的地球化学研究

综述了对矿区的尾矿、污染的土壤、水体及生物进行的实验地球化学研究方法和研究现状,总结了重金属迁移、释放和转化的机理,为系统研究矿区的环境生态效应、矿山修复和环境评价提供了借鉴。     

有色量测噪声情况下的多传感器目标跟踪融合算法

目前已有的目标跟踪融合估计算法都是基于Kalman滤波的,而卡尔曼滤波估计算法要求系统过程噪声和量测噪声均为白色噪声,而实际的跟踪系统中量测噪声往往是有色噪声。针对上述问题,本文利用线性组合当前量测与下一时刻量测的量测扩增法,研究了有色量测噪声情况下的集中式、分布式多传感器目标跟踪融合算法。并对新的融合算法进行仿真分析,仿真结果表明新的融合算法具有良好的跟踪性能。     

基于有色噪声卡尔曼滤波的GPS多径估计研究

在最大似然多径估计技术的基础上,提出了一种新的基于有色噪声卡尔曼滤波的全球定位系统(GPS)多径信号估计技术.建立了GPS多径信号的卡尔曼滤波估计模型,推导了观测噪声为有色噪声的卡尔曼滤波的状态方程和观测方程,阐述了有色噪声的形成过程,推导了卡尔曼滤波的递推公式.实验结果表明,提出的设计技术可以在20dB·Hz的载噪比条件下对多个GPS多径信号进行较精确的估计.     

有色聚氨酯的合成与性能研究

采用4,4′-二苯甲烷二异氰酸酯(MDI)和端羟基染料合成了有色聚氨酯,通过红外光谱表征了其分子结构。利用这种有色聚氨酯作为高分子染料对聚氨酯树脂进行着色,研究了有色聚氨酯及其着色后聚氨酯的色牢度、耐溶剂性能、热机械性能。结果表明:有色聚氨酯及其着色的聚氨酯树脂具有优异的色牢度,干湿摩擦色牢度均达到5级;有色聚氨酯的耐溶剂性能与聚氨酯树脂相同,在水及甲苯中无溶解掉色现象;有色聚氨酯的玻璃化转变温度与聚氨酯树脂接近,可以作为一种性能优异的高分子染料用于聚氨酯着色。     

防化装备维修保障系统的Petri网

为了解决传统的Petri网模型结构复杂、缺少时间描述等不足,在装备维修保障系统建模中,利用有色Petri网、赋时Petri网理论,提出了装备维修保障系统的Petri网模型,具有结构顺序明确、计算简便、效率高等特点。     

色噪声背景下弱信号频率估计互谱方法研究

现代互谱估计是抑制有色观测噪声的一种有效方法.本文针对旋转不变技术来估计信号参量的方法进行了深入的分析,进而提出了在有色观测噪声背景下,基于最小二乘技术的信号估计的互谱ESPRIT方法。这种方法的突出特点是不需要任何色噪声的先验信息准确地估计出待估计信号,不仅避免了以往互谱估计本身所固有的在整个频域上的谱峰搜索,而且克服了自谱ESPRIT估计方法对噪声的严格限制（要求噪声为白色高斯噪声）。可直接通过特征值确定信号参数估计值。本文方法只需两次SVD分解,计算量大大降低。仿真结果表明,该方法具有较好的谱估计分辨率和良好的稳定性。