大型舰船甲板变形测量

为测量大型舰船甲板的变形，提出了基于多个IMU数据融合的测量方法．建立了甲板变形测量模型．利用最小二乘估计对甲板的变形进行了分析．结果表明，用该方法可以实时估计未安装IMU战位点处的甲板变形，且能减少变形测量系统所需IMU的数量；变形估计精度与IMU的布置有关，当IMU的布置合理时，估计精度优于0．8arcmin．     

基于3-RRRT并联机器人位置反解的精度分析

基于3-RRRT并联机器人位置反解方程，分析并联机器人结构误差对机器人末端误差的影响．当结构误差和末端误差都是微小量时，机器人误差为线性数学模型，仿真结果证实该算法可对3-RRRT并联机器人进行精度分析．     

基于期望最大化加速算法的正交频分复用信道估计

针对基于期望最大化（EM）迭代算法的正更频分多路复用（OFDM）信道估计方法复杂度高、收敛慢，严重制约OFDM的传输速率的缺陷，提出了一种基于EM加速算法的OFDM信道估计方法．该方法基于拟牛顿加速算法，并结合一种带调整参数的Broyden对称秩1校正公式来实现，具有二次收敛性，提高了EM的计算速度，降低了计算复杂度．仿真结果表明，相比于空间选择期望最大算法，在性能损失只有0．1dB的情况下，EM算法的复杂度得到很大的降低，且其计算速度可提高十几倍．     

一种考虑数据截尾的非参数软件可靠性模型

通过分析数据截尾对软件可靠性模型的影响，建立了一种考虑数据截尾的非参数软件可靠性模型，为的是克服一般参数模型假设约束过紧的问题，并能在估计失效率的同时估计残存缺陷数．同时，提出了基于非参数统计的软件失效率单调下降性检验方法，在加权核函数估计中引入数据截尾率作为加权系数和优化参数，并用失效率单调下降约束下的加权核函数方法来估计失效率和残存缺陷数．模拟试验和实例分析表明，所提模型可以较好地处理截尾数据，给出残存缺陷数的合理估计，其失效率估计精度较高，不低于较好的传统模型．     

基于贝叶斯推理的决策树模型

针对决策树（DT）模型缺乏概率背景这一问题，将贝叶斯推理引入DT模型，提出了一种基于贝叶斯推理的决策树（BDT）模型．在假定所含待定参量的先验与似然的前提下，借助贝叶斯推理获得参量的后验，然后运用逆跳马尔科夫链蒙特卡洛算法对后验抽样，最终求出样本属于某一类别的置信度，从而避免了武断判决．BDT模型以抽样代替拆分与剪枝操作，既直观又灵活，同时在抽样时考虑了不同的树结构与递归分割方案，使得分类准确率得以提高．仿真实验结果表明，BDT模型的平均分类准确率与DT模型相比提高了1．7％～3．5％．     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

非线性抛物型方程时间周期解的有限差分方法(英)

建立了一个用于求解非线性抛物型方程时间周期解的有限差分方法，在空间和时间方向上该方法分别具有四阶和两阶精度. 为了证明解的存在唯一性，建立了一个单调迭代算法，该算法也给出了一个求解算法. 同时讨论了数值解的收敛性. 数值结果显示了该方法的优越性.     

基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

浅析如何减小煤质分析中的误差

简述了煤质分析的概念与所包括的分析内容,分析了误差产生的原因,提出了减小误差的方法。     

基于信道估值的判决反馈均衡器研究

比较分析了基于信道参数得到的滤波器系数解分别作为均衡器前向和反馈滤波器的最优解及最优初始解的情况下均衡的性能改善程度,并将波特间隔判决反馈均衡器(BS-DFE)和分数间隔判决反馈均衡器(FS-DFE)的性能作了比较.理论和仿真分析表明:基于信道参数得到的滤波器系数解如果作为均衡器前向和反馈滤波器的最优解,在信道保持不变的情况下有优势;将基于信道参数得到的滤波器系数解作为均衡器前向和反馈滤波器的最优初始化解,结合不同的均衡器结构(BS-DFE和FS-DFE),与LMS算法结合,得到的均衡效果在不同程度上得到改善,FS-DFE均衡的效果比BS-DFE的均衡效果更加收敛,但运算量并没有得到改善.研究表明:在不同的情况下,各种均衡方式方法都有其自身特点,根据实际要求采用不同的均衡方式或同时使用会取得最佳效果.