我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

模糊推理在系统预测中的应用

将模糊推理应用于系统预测,使用正态分布原理对变量进行区分,并用模糊聚类中的相关系数法选择特征因子,建立了模糊推理预测模型。并将其应用于能源消费量的预测。     

河南棉花新品种数量性状的典型相关和通径分析

通过对河南省2006年春棉品种区试10个品种的产量、植株及纤维品质性状组的典型相关与通径分析得出：选择生育期短、株高中等偏高、果枝节位低、果枝台数多的性状,有利于增加株铃,提高铃质量,并能间接增进主要纤维品质,确为选育高产优质棉花新品种的有效途径。但在选择结铃性强的植株性状时,应防止降低铃质量。从性状相关性间接选择对衣分无效,应通过室内考种择优选取。表11,参11。     

改进的高动态高灵敏度GPS信号捕获算法

首先介绍弱GPS信号定义和影响因素,指出要想实现弱信号条件下的捕获,必须增加处理增益.要提高增益,就要进行累积,而累积最重要的限制就是导航电文的变化、多谱勒频偏的影响以及非相干累积的平方损失.而高动态又必须考虑累积时间与多普勒补偿的均衡.针对这些因素,指出在弱信号条件下,FFT捕获较传统算法更具有优势.采用差分累积提高累积时间并减轻了非相干累积平方增益损失.半比特搜索法能够估计出导航数据的最佳组合,实现很长时间的相干积分.高动态高灵敏度情况下,还必须考虑补偿码多谱勒的影响.提出一套完整的弱信号处理方案,采用Monter·Carlo方法进行仿真,实验结果验证了该算法的有效性.     

一种新的跳频宽带瑞利衰落信道模型

针对跳频宽带瑞利衰落信道,提出了一种新的基于莱斯正弦和的仿真模型。该仿真模型能在保持其它参数不变的条件下,通过仿真模型相位的跳变来模拟物理信道频率的跳变。由于该仿真模型中的所有参数都存在着闭合的表达式,所以能对仿真模型的相关特性进行研究。理论分析和仿真表明,该仿真模型在低计算复杂度的条件下与参考模型在相关特性方面存在着极好的吻合。     

基于Contourlet变换的抵抗几何攻击的视频水印算法

如何有效地抵抗几何形变攻击已成为数字水印技术的研究重点之一.提出了一种基于Contourlet变换的能够有效抵抗几何形变攻击的视频水印方案.在水印嵌入方案中,运用平均交流能量(AAE),并使用Contourlet变换的空-频特性嵌入水印.在水印提取方案中,运用了最佳白化滤波器,有效提高了相关检测的性能.大量的实验结果表明,该水印方案在保证视频视觉质量的同时具有很强的抵抗几何形变攻击的能力,对于时间维上的低通滤波、去帧等其他攻击也具有很强的鲁棒性.     

基于亮度序列的空间目标周期性判证与提取

针对空间目标的周期性判证与提取问题,提出了一种基于亮度特征的方法.该方法通过分析空间目标亮度变化序列的自相关特性进行周期性判证,将周期提取问题转化成一个优化求解问题,并提出了一种新的峰值检测方法.仿真实验验证了该方法对噪声鲁棒,可以有效地判证空间目标的周期性,周期提取的准确性也优于传统的谱窗分析法.     

一种弱相关非高斯信道下的伪码捕获方法

针对弱相关非高斯噪声环境提出了一种伪码捕获方法,将伪码捕获等价为假设检验问题,将弱相关非高斯噪声建模为一阶滑动平均SαS噪声模型,利用局部最佳检测算法推导出弱相关非高斯噪声环境下的伪码捕获检测统计量,得到弱相关噪声模型下伪码二维捕获结构及其简化形式,进行了性能仿真并与传统的伪码捕获方法对比。仿真结果表明该捕获方法在相关非高斯噪声环境下检测性能有较大幅度的提高。     

基于Haar小波变换的信号到达时间估计

研究了在信号频率、初相、幅度未知条件下,矩形包络复正弦信号的到达时间估计算法。先利用相关检测算法,对信号的起止时间进行粗估计。在检测到信号的条件下,估计出信号频率并将其变换至基带,在一定尺度下对基带信号作Haar小波变换,检测出小波变换模值的峰点位置作为到达时间精估计。给出了小波尺度选取的原则,并推导了到达时间估计的克拉美罗限(CRLB)。计算机仿真表明,信噪比达6 dB时,到达时间估计的均方根误差小于0.8倍的采样间隔,实现了对信号到达时间的精估计。     

泥石流地貌要素的极值相关性

将极值统计理论与相关结构Copula相结合,分析了泥石流沟6个地貌要素之流域面积与流域高差的相关性.计算了其Kendall相关系数τ,Spearman相关系数ρ和尾部相关性度量χ.进一步,为了更全面阐述这两个变量的极值相关结构,建立了一个二元超阈值模型,给出分布的尾部估计和参数估计结果,最后对所得研究结果进行了实证分析,具体给出泥石流地貌要素的相关性分析.