灰色聚类协调分析模型及其应用

以灰色聚类方法为基础，利用协调优先指标与非协调优先指标的性质，建立了一种新的综合评判模型。实例分析结果表明，该模型具有科学合理、计算简便、分辨率高等特点。     

信号频率-方向联合估计中的双旋转子空间法

提出了一种基于子空间2次旋转变换的频率-方向联合估计方法．该方法可同时估计空间信号频率和到达方向，其阵列由M个阵元组成，避免了复杂的阵列结构．计算机模拟结果表明，该方法不仅阵列结构简单，在中等SNR时具有良好的分辨性能，而且运算速度较快。     

自适应广义线性回归拟似然估计渐近理论

研究自适应设计下的拟似然方程 ∑ni=1xi(yi- μ(x′iβ) ) =0 ,在一定的条件下证明了以概率 1此方程当n充分大时有解^βn,^βn 为β0 的强相合估计 ,且得出了 ^βn- β0的收敛速度 ;然后又在一定的条件下证明了 ^βn 的渐近正态性的一些结果     

几种石蒜属花卉观赏性状的灰色评价

以灰色关联度对14种石蒜属花卉的观赏性状进行了评价．结果表明石蒜(Lycoris radiata)的加权关联度Ri为最大(0．713 888)，即观赏效果最好，这与实际运用效果相符；其次是安徽石蒜(L．anhuiensis)，Ri=0．708 429；排在第三位的是长筒石蒜(L．longituba)，Ri=0.703032．其他由大到小次序为夏水仙(L.squamigera)、玫瑰石蒜(L．rosea)、陕西石蒜(L．shaanxiensis)、乳白石蒜(L．albiflora)、短蕊石蒜(L．caldwellii)、麦杆黄石蒜(L．straminea)、肉红石蒜(L．incornata)、中国石蒜(L．chinensis)、换锦花(L．sprengeri)、忽地笑(L．aurea)、江苏石蒜(L．houdyshelii)．从灰色关联度分析结果看，花形整齐、奇特(雄蕊长于花被片，花被片强烈皱缩反卷)，花色稀有和秋冬出叶的，灰色关联度大,14种石蒜均适合作地被，但以秋冬出叶、花葶较矮的种更为适宜，如石蒜、玫瑰石蒜、麦杆黄石蒜、江苏石蒜等。     

Sigma点卡尔曼滤波及其应用

针对扩展卡尔曼滤波(EKF)不易调整、难于应用、只对更新时间步长内局部线性假设成立的非线性系统适用等不足,近年来提出了一些卡尔曼滤波向非线性系统扩展的新方法。根据均值与协方差信息按非线性映射传播的特点,将它们归类为Sigma点卡尔曼滤波(SPKF)方法。在简要说明加权统计线性回归技术的基础上,系统介绍了SPKF的形式及算法,对其应用情况进行了总结和展望,指出可采用SPKF替代EKF以获得更好的性能。     

线性调频信号参数快速估计

针对采用线性调频(linearfrequencymodulation,LFM)信号体制的参数估计的应用场合,提出了一种消除最大似然估计时带来旁瓣的算法。该算法利用雷达回波信号的对称性上来获取统计样本,因而在无需对雷达系统作任何改进的情况下,可获得对LFM信号参数较好的估计。通过结合解线调估计运算量少的特点,有效地减少了估计的运算量,提高了估计精度。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

隐马氏模型中的标量估计

通过测度变换的方法构造一个概率空间,利用观测变量在该构造空间中独立的性质,研究了一类在实际中应用广泛的隐马尔可夫模型———零延迟隐马尔可夫模型;然后通过测度的逆变换,将构造空间中得到的结果返回到实际的空间中来,克服了通过半鞅的方法得到标量估计的困难。最后给出了零延迟隐马尔可夫模型中标量估计的一般公式,并且应用该公式给出了状态、跳跃次数、状态到达次数等标量估计,以阐明该方法的应用。     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

坝上地区农业产业结构优化的灰色关联分析

一个地区的产业结构优化方向,应该根据产业结构的一般规律和区域经济发展的实际情况而定。基于这种理由,以河北省沽源县为研究对象,运用灰色关联分析方法研究了该区农业产业结构内部各业之间的关系,并根据沽源县现有基础条件、限制因素和发展趋势等,确定其今后宜重点发展的产业即畜牧业、错季蔬菜产业、马铃薯产业、草产业等。图2,表4,参8。     

频率捷变的相控阵雷达目标多径DOA估计算法

介绍了频率捷变在相控阵雷达目标多径DOA估计中的应用,并采用修正的MUSIC算法(MMU-SIC)以提高多径信号DOA估计性能。频率捷变不仅可以去掉直射信号与反射信号的相关成分,而且可以消除严重的信号对消现象。而修正的MUSIC算法则可以将相关信号源的相关性大大降低,从而改善了传统MUSIC算法对相关信号源的DOA估计性能。