多径信道下ZP-OFDM信号的时域参数盲估计

针对低信噪比多径信道下,零前缀正交频分复用（zero prefix orthogonal frequency division multiplexing, ZP-OFDM）信号时域参数估计精度低的问题,提出了一种改进的ZP-OFDM信号时域参数盲估计方法。该方法首先计算信号的功率自相关函数,并利用小波消噪及平滑滤波对其进行预处理,通过检测峰峰值距离的方法完成符号总长度的估计。然后计算单位符号总长度数据的幅度平方值并对其进行小波分解与重构,设定门限提取一个零前缀估计值。最后通过多段数据联合估计确定最终的零前缀估计长度。仿真实验结果表明,在低信噪比多径信道条件下,提出ZP-OFDM信号的时域参数盲估计方法具有良好的估计性能。     

我国证券投资基金羊群行为及其对股价影响的实证研究

建立CCK校正模型，分别检验我国证券投资基金羊群行为及股市整体羊群行为是否存在；在CCK校正模型的基础上建立虚拟变量模型，以检验基金羊群行为与股市整体羊群行为二者的显著程度是否相同，从而证明基金羊群行为能否引起股市整体价格的波动。研究结果表明：我国基金羊群行为与股市整体羊群行为均显著存在，且二者的显著程度基本相等，主要是基金在整个股票市场中所占份额较少所致，因此基金羊群行为不会对股市整体价格波动产生大的影响。     

一种基于奇异值分解的非线性滤波新算法

提出一种基于奇异值分解的无导数卡尔曼非线性滤波新算法对UKF算法进行改进.该算法利用奇异值分解作为工具,将原算法中的协方差矩阵进行奇异值分解,可以在一定程度上避免在递推过程中,由于计算误差和舍入误差而引起的协方差矩阵失去正定性,从而导致算法失效的问题.在不降低滤波精度,不增加算法复杂度的前提下,新算法具有很好的数值稳定性.实例仿真结果验证了本方法的有效性.     

基于动态时间弯曲的区间值时间序列匹配算法

结合vague集的优点,将区间值的思想应用于时间序列研究,定义了基于区间值的时间序列.同时,在综合分析了不同的vague值(区间值)的相似度量的缺点后,提出了一种新的基于vague值的相似度量,并结合动态时间弯曲的思想,给出了一个基于动态时间弯曲的区间值时间序列的相似性匹配算法.     

陕西省生态经济系统的可持续发展评价

运用基于能值分析理论的生态足迹计算模型,计算了陕西省2005年的生态足迹和生态承载力。结果表明：2005年陕西省能值密度为5．02×10^14sej／hm^2,人均生态足迹为4．4810hm^2,人均生态承载力为0．7881hm^2,人均生态赤字达到3．6929hm^2,这说明2005年陕西省的人类活动对生态环境的影响远远超过了生态承载力的范围,其生态经济系统的发展是不可持续的。图1,表3,参10。     

伪装遮障设计方案优选的灰色关联分析法

针对多波段伪装遮障设计方案的优选问题,提出了基于灰色系统理论的灰色关联度分析法。该方法利用影响伪装遮障效能各指标的灰色性,采用灰色关联为测度计算出备选伪装遮障设计方案与理想方案的关联程度,利用信息熵值法确定指标权值,并结合关联程度和指标权值得出了评估系数,可获得伪装遮障设计方案优劣的排序。通过实例验证了该方法的有效性。     

递阶多目标非光滑优化问题的最优性条件

建立了递阶多目标非光滑优化问题的一个通用性结构化模型,利用参数规划、集值分析及非光滑非线性分析的理论和方法,研究了模型锥有效解存在的最优必要条件和充分条件．     

一种改进的基于效用理论的TOPSIS决策方法

提出了一种改进的TOPSIS决策方法.该方法更多地融合了决策者的主观意愿:用决策者对属性的效用评价代替方案的原始属性数据;用模糊数替代精确值反映决策者对效用值的理解模糊不确定性;同时关注决策者对最佳决策方案属性效用的综合性、均衡性考虑.最后,通过对一个具体决策实例的分析,验证了方法的合理性和有效性.     

多目标区间值优化问题的最优性条件

利用Clarke广义Jacobi矩阵,研究含等式和不等式约束的不可微多目标区间值优化问题,得到局部LU-有效解的Fritz-John和Karush-Kuhn-Tucker(KKT)最优性必要条件。     

超声相控阵低信噪比背景下相关相位校正

超声相控阵中,相位校正在消除相位畸变中起着重要作用。部分相控阵探头,阵元的面积小,回波信号弱,信噪比差。针对该问题,首先研究了邻近和集总相关估计在不同信噪比情况下的校正性能:发现信噪比SNR>12 dB时,邻近相关估计基本不产生估计误差;SNR<5 dB时,邻近相关估计产生的误差随着信噪比下降急剧增大。而集总相关即使在噪声强度较小时也不能做到估计误差为0;在噪声强度增大的过程中,其估计误差并未急剧增加,这与邻近相关估计不同。根据邻近和集总相关的特点,提出了混合相关校正结构。实验表明,混合相关充分利用了邻近和集总相关估计的优点,显著提高了图像质量。