融合倾斜仪数据的盾构姿态严密解算模型

推导了倾斜仪与盾构的严密标定模型;将倾斜仪采集的双轴角度数据视为平面点云,推导了倾斜仪角度数据的稳健估计方法;在前述模型方法的基础上,利用最小二乘配置方法建立了倾斜仪与棱镜数据融合的严密联合解算模型.最后,通过试验对上述模型方法进行了分析验证.结果证明,提出的盾构姿态解算模型正确可行.     

基于粒子群优化算法的井下目标定位方法

针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877 m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21 m增长到4.65 m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82 m下降到0.76 m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。     

混响室条件下临界辐射干扰场强测试的影响因素分析

为了对前期提出的混响室条件下临界辐射干扰场强测试方法进行规范和完善,分析了影响测试结果准确性的因素,得到了不同条件下测试误差的变化情况.发现被测设备的电尺寸是影响该方法适用范围的主要因素,通过试验研究了电尺寸减小对测试结果的影响.结果表明,当被测设备电尺寸较大时,通过合理选择测试参数,可以将测试误差控制在3 dB以内;当被测设备电尺寸较小时,该方法的不确定度会增加,误差可能会大于3 dB.因此,该方法更加适用于电大尺寸设备的临界辐射干扰场强测试.      

MIMO-OFDM系统的信道估计方法综述

MIMO-OFDM技术是未来无线通信系统研究热点,而信道估计是实现MIMO-OFDM系统优良的传输性能的重要环节．笔者在对国内外现有MIMO-OFDM系统的信道估计方法综述的基础上,分析和比较基于导频符号的非盲信道估计方法、盲信道估计方法和半盲信道估计方法的优缺点,并解决算法的复杂度和应用性的矛盾问题,因此认为,半盲信道估计方法将成为未来信道估计研究的重点．     

基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。     

指数分布场合下序时应力加速寿命试验的矩估计

讨论了指数分布场合下序进应力加速寿命试验的矩估计问题。     

跳频信号的自适应谱图分析

基于跳频信号的多分量模型,分析了谱图(Spectrogram)和维格纳分布交叉项特点,提出了自适应谱图的跳频信号时频分析方法.该方法利用最大相关准则,自适应地变化窗函数长度,匹配跳频信号的局域化属性,进而获得较好的时频分辨率.算法性能与平滑伪维格纳分布(SPWVD:Smoothed Pseudo Wigner-Ville Distribution)进行了比较,通过理论研究和仿真分析表明,自适应谱图方法能够反映跳频信号的时频特征,改善了跳频信号的谱图分辨率,提高了参数的估计精度,具有很强的鲁棒性.     

统计学习在假设稳定下推广误差的界

统计学习理论已经是近来的热点研究问题,而算子的推广性能是统计学习的一个十分重要的部分。本文指出算子的推广误差界可以归结为期望误差估计子的偏置和方差的问题,在这些假设稳定概念下,得到了估计算子的偏置和方差,并证明了＂几乎处处＂稳定算子的广义有界差分不等式,在一致稳定假设下得到推广误差的指数界。     

带权高阶椭圆算子Dirichlet第二特征值的估计

设Ω是R^m中的一个有界区域，其边界足够光滑，我们考虑一类带权高阶一致椭圆算子在Dirichlet条件下的特征值问题，给出了其第二特征值的一个上界，该上界与区域Ω的体积无关。     

线性模型最小二乘估计的一个最优性质

考虑一般的线性模型Y=Xβ+ε,其中X为n×p阶设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量。满足E(ε)=0,Cov(ε)=σ~2∑,这里σ~2>0可能未知,Σ则为已知的非负定矩阵,θ是β的一个线性函数,且可估,假设θ_R为Rao型最小二乘估计,本文证明了若随机误差服从ε椭球等高分布,则θ_R满足所谓最大概率性质,即θ_R落在以θ为中心的任一椭球内的概率不小于θ的任一性线无偏估计落在同一椭球内的概率,推广了文献中的结果。