多尺度小波分解融合在微机电陀螺数据处理中的应用

提出一种小波域数据融合模型. 将多个传感器的数据进行多尺度分解,分别对每个尺度上的细节信号和最粗尺度上的近似信号进行局部加权融合,并根据小波重构公式得到原尺度上的融合信号. 基于实际工程应用对该模型进行了数学证明,分析随机序列经离散小波多尺度变换后的形式,研究各尺度上的平滑信号、细节信号之间的统计特性,从理论上解释小波域多尺度数据融合算法的优越性. 实验表明：该方法能显著提高数据融合后微机电陀螺仪的零偏稳定性.     

幂级数展开的微分方程法

给出了幂级数展开的微分方程法,该方法适用于难以找到可利用的展开式,而其导数又保留原来函数因式的一些函数.     

基于干扰观测器的倒立摆自适应滑模控制及仿真研究

旋转二级倒立摆是一种非线性、强耦合的复杂不稳定的欠驱动系统,在已建立的倒立摆数学模型的基础上,提出了一种基于干扰观测器的离散自适应滑模控制算法,针对系统的内部参数变化和外部扰动,利用干扰观测器对系统的不确定因素进行了动态补偿,同时结合自适应算法降低系统的抖振,与未采用干扰观测器的传统自适应滑模控制律的仿真结果进行对比,可以看出,采用改进的控制算法大大降低了系统的抖振和超调,改善了系统的动态性能,得到更好的控制效果.     

Latent ancestral graph of structure vector autoregressive models

A class of latent ancestral graph for modelling the dependence structure of structural vector autoregressive (VAR) model affected by latent variables is proposed.The graphs are mixed graphs with possibly two kind of edges,namely directed and bidirected edges.The vertex set denotes random variables at difforent times.In Gaussian case,the latent ancestral graph leads to a simple parameterization model.A modified iterative conditional fitting algorithm is presented to obtain maximum likelihood estimation of the parameters.Furthermore,a log-likelihood criterion is used to select the most appropriate models.Simulations are performed using illustrative examples and results are provided to demonstrate the validity of the methods.     

基于虚拟现实技术的援潜救生仿真系统研究

援潜救生是一项必要而又复杂的系统工程,存在着很多不确定因素,为了对救援方案进行评估、验证,提高救援能力,应用虚拟现实技术,建立了援潜救生仿真系统。系统采用离散调度方法获取初始调度方案,通过人因工程分析、动力学及流体力学计算等反映实体的物理行为,利用人机接口与系统进行交互,验证与完善初始救援方案。构建了数据输入、场景建模与场景驱动的系统框架,并对系统的关键技术进行了详细描述。该仿真系统的实现为海上救援提供了必要的理论依据及直观的视觉表现。     

土壤沉陷特性与车轮滑转关系的离散元研究

 探究轮胎-地面系统的动力学特性,建立更接近轮胎-地面系统实际工作状况的动力学模型是车辆行驶理论的核心问题之一。本研究运用颗粒-车辆地面散体动力学模型,针对目前车辆地面力学中,尚无有效方法对因车轮滑转导致土壤沉陷的问题进行模拟和计算的现状,采取相应的试验数据,建立相同的计算环境,对弹性车轮在沙地上因滑转引起的沙土沉陷问题进行计算,与试验结果进行对比分析表明有很好的一致性。该模型能有效地用于车辆地面力学中滑转率、土壤沉陷特性及两者相互关系的研究和计算。     

基于加权范数的时空相关K分布杂波建模

提出了一种基于离散复线性空间加权范数的时空相关K分布杂波建模及仿真方法.该方法利用经典的零记忆非线性变换(ZMNL)法或球不变随机过程(SIRP)方法,生成时间相关的杂波序列,并对其进行归一化处理.通过线性变换矩阵,使一维的杂波转换成满足一定性质的二维序列,通过求解离散复线性空间加权范数最小值,对二维序列进行迭代修正并得到时空相关的杂波序列.通过理论推导证明了该二维序列满足时空二维杂波的时间相关性、空间相关性及幅度特性.仿真结果验证了该方法的正确性和可行性.     

在ARFIMA模型中使用小波的另一种极大似然估计

用小波变换方法提出ARFIMA(p,d,q)模型中分形差分参数d的另一种极大似然估计(MLE).这种极大似然估计被证明是相合的和渐近正态的.仿真结果显示这种极大似然估计偏差较小,并且与Tse的估计值相比较有更小的根均方误差(RMSE),该方法估计长记忆时间序列是有效的.     

离散时间更新模型破产时间概率母函数若干性质的证明

利用离散时间更新模型,获得了关于破产时间概率母函数的上下界估计以及渐近表达式.作为应用,得到了延迟更新模型下破产时间概率母函数的上下界.     

Assessment of the uncertainties in temperature change in China during the last century

We have used the China Homogenized Historic Temperature dataset and some long-term station series of the neighbor countries from CRUTEM3, a 5°×5° gridded dataset of monthly mean temperature since 1900, to provide a 107-year record of surface tem-perature trends and variability. We derived a comprehensive set of uncertainty estimates to accompany the data: measurement and sampling errors, uncertainties in temperature bias estimates, and uncertainties arising from limited observational coverage on large-scale averages have all been estimated. We reanalysed the temperature changes during the period of record. The best estimates of trends for 1900–2006 with uncertainties at 95% confidence range are about 0.09±0.017°C/decade for the year as a whole, and 0.14±0.021°C/decade, 0.11±0.021°C/decade, 0.04±0.017°C/decade, and 0.07±0.017°C/decade for winter, spring, summer and autumn respectively. For 1954–2006, the trends for annual, winter, spring, summer and autumn are: 0.26±0.032°C/decade, 0.35±0.046°C/decade, 0.25±0.051°C/decade, 0.16±0.037°C/decade and 0.22±0.055°C/decade. Winter saw the most significant warming trend in both 1900–2006 and 1954–2006, while during the most recent period (the satellite era, 1979–2006), all the seasons show similar warming trends: 0.45±0.13°C/decade, 0.51±0.11°C/decade, 0.52±0.16°C/decade, 0.37±0.10°C/decade and 0.50±0.16°C/decade for annual, winter, spring, summer and autumn. Trends arising from urbanization have been evaluated as less than 5% of the total warming trend for 1951–2001, so this bias was not removed.