平衡损失函数下Rayleigh分布参数的Bayes估计

在平衡损失函数下,得到了Rayleigh分布参数的Bayes估计,并讨论了一类c(-T)+d(其中(-T)=1/nn∑i=1X2i)形式估计的可容许性和不可容许性.     

带固定效应半变系数面板数据模型的约束岭估计

研究带固定效应的半参数变系数面板数据模型在参数部分附加约束条件下的估计问题,结合Profile最小二乘估计和岭估计,分别建立模型参数部分和非参数部分的约束岭估计量,并给出参数部分约束岭估计量的均方误差和大样本性质。     

TD-SCDMA系统中的载波频率估计方法

提出了一种用于TDSCDMA系统的频率估计方法,该算法利用TDSCDMA系统中的导频序列,通过最大似然函数进行数值估计,并且利用一系列的频率自动调整策略使估计值较为准确、较为收敛。在AWGN和多径条件下的仿真结果均表明,该算法具有比较理想的估计准确度和稳定性,尤其是结合使用自动调整策略算法后,该算法具有更优的估计性能,这说明该算法十分适合应用于TDSCDMA通信系统中     

基于时延估计的非视域隐藏目标深度定位研究

非视域成像技术是对直接视线范围内看不到的物体（如拐角处的隐藏目标）进行探测并成像的技术,基于飞行时间的成像技术主要是探测深度图,首先需要完成对隐藏目标的深度定位,再对其进行图像重建。提出使用时间延迟估计算法对隐藏目标进行深度定位,并分别进行两组实验,针对不同隐藏目标个数和隐藏目标之间的距离,在不同噪声比下（0、5 dB、10 dB和20 dB）,对隐藏目标的深度定位进行研究。实验结果表明：当隐藏目标之间的距离不断变小时,深度定位误差也在不断增大,隐藏目标之间的最小距离约100 cm（激光脉冲为1 ns）;噪声对深度定位的影响较小,去噪后的误差减少为1～2 cm,表明提出的时延估计算法具有一定的抗噪能力。     

无人艇自适应航迹跟踪控制策略研究

针对无人艇航迹跟踪过程中操舵造成的速度损失以及转向导致的跟踪误差变大等问题,提出了一种自适应航迹跟踪控制策略。在制导环中,采用自适应接纳圆策略,根据各航迹段之间的夹角自适应调整航迹点的接纳圆半径,设计了自适应视线制导律,提高了无人艇转向时的跟踪精度;在控制环中,提出了基于模型预测控制的航向及航速解耦控制策略,该策略首先将航向模型与航速模型的耦合项视为时变扰动,提出了一种新的时延估计方法,然后通过航向控制器进行预测,最后在航速控制器中对时变扰动进行补偿,减小了速度损失。之后,通过MATLAB仿真平台对算法的可行性进行验证。实验结果表明,所提出的自适应航迹跟踪控制策略跟踪精度更高、收敛速度更快、抗干扰能力更强、能耗更少。     

时间分数阶对流扩散方程的有限点法分析

基于有限差分法得到时间离散格式和利用有限点法建立离散代数系统,提出了数值求解时间分数对流扩散方程的无网格有限点法,详细推导了时间离散格式是无条件稳定的和该方法的理论误差估计.数值算例验证了理论结果,并验证了该方法的有效性和收敛性.     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力,使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度,提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先,对跳频信号进行短时傅里叶变换获取谱图。然后,从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明,此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

加速寿命数据的贝叶斯建模与分析

在加速寿命试验的可靠性设计中, 随机化设计的限制以及删失数据不可避免地导致低分位数估计出现较大的偏差。针对上述的问题, 结合贝叶斯抽样技术以及非线性混合模型(nonlinear mixed model, NLMM)提出了一种可靠性改进的分析方法。首先, 需要检验所收集的数据是否服从威布尔分布以及验证形状参数是否是恒定常数。其次, 考虑随机效应对尺度参数和形状参数的影响, 运用NLMM构建了尺度参数和形状参数与试验因子之间的函数关系。然后, 利用贝叶斯方法估计低分位数的可靠性寿命。最后, 实际案例研究表明, 在考虑删失问题和未完全随机设计的影响时, 所提方法能够获得更为稳健和可靠的估计结果。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次,利用张量填充技术对无噪协方差矩阵进行恢复。然后,利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。