电子干扰下GPS接收机C/A码捕获性能的研究

研究电子干扰对卫星定位系统(GPS)接收机C/A码捕获性能的影响.分析了C/A码平均捕获时间和捕获时间方差,并且进行了基于连续波、宽带及部分频带3种干扰模式的模拟分析.分析结果表明,若针对GPS接收机的干扰功率超过一定强度后,平均捕获时间和捕获时间方差指标将急剧恶化.在相同的GPS接收机中频输出信干比下,连续波干扰较宽带干扰效果更加明显.     

多传感器分组加权融合算法研究

将多传感器对某一状态的测量结果分组 ,针对每组测量变量的算术平均值 ,依据极大似然原理 ,提出了多传感器分组加权融合算法 .通过对各组传感器测量值的方差进行估计 ,从而对每组传感器测量平均值的权值进行合理的分配 ,解决了在传感器和环境干扰未知情况下 ,加权融合算法中权系数如何确定的问题     

交互式多模型卡尔曼滤波的车辆悬架系统状态估计

针对车辆悬架状态无法准确估计的问题,设计了自适应交互式多模型卡尔曼滤波(IMMKF)状态观测器.首先,建立了标准路面激励模型与四分之一线性化悬架模型;然后,利用递归最小二乘方法与IMMKF理论,设计了不同工况下广义悬架模型自适应IMMKF状态观测器;最后,分析了在标准C级路面激励工况下簧载质量变化对悬架系统状态估计的影响.仿真与台架试验结果表明,在簧载质量变化工况下,所设计的自适应IMMKF状态观测器与传统卡尔曼滤波状态观测器相比其估计精度至少可以提高20%.     

马铃薯高产栽培的最优平衡不完全区组试验设计与分析

为了研究品种及栽培方式对马铃薯产量的影响及显著程度,引入最优平衡不完全区组试验设计。结合一次马铃薯高产栽培试验,在SAS环境下,完成最优平衡不完全区组试验设计,得到试验数据,利用方差分析法对试验结果进行了数据分析。结果表明:品种和栽培方式对马铃薯产量有显著影响,品种栽培互作对马铃薯产量无显著影响,试验筛选出了适合该地区土壤和气候条件的品种及栽培方式。该研究方法可以拓展应用于马铃薯以外的其它作物高产技术领域的试验设计和分析。     

改进型单频非遍历值域姿态测量算法

非遍历值域搜索算法利用二维模糊度搜索范围压缩了姿态角搜索空间,由于二维模糊度搜索空间较大,造成压缩姿态角搜索空间效率较低,提出了一种采用多约束条件以提高压缩姿态角搜索空间效率的方法。选取仰角最高的4颗卫星作为主星,采用最小二乘搜索算法利用单个历元观测数据确定三维模糊度搜索空间,结合基线长度及低成本微机电系统(micro electrical mechanical system,MEMS)提供的俯仰角信息对三维模糊度搜索空间进行筛选,取仰角最高的3颗卫星构成二维模糊度搜索空间,将其代入搜索模型解算整周模糊度候选值,采用残差比例检验法进行模糊度固定。试验结果表明,相比于原算法,姿态角搜索数目由576组降至8组,残差比峰值由16增至1 279,固定所需时长从35 s缩短至单个历元。     

基于能力机制的Linux进程行为控制

与传统的Linux超级用户机制相比,能力机制能够提供更加灵活和全面的进程行为控制保护。分析了Linux内核现有能力机制实现的不足,基于最小特权和特权分离原则对Linux内核中的能力机制进行了扩充,提出了一种基于“会话ID”机制保护能力子系统的方法,通过这种机制可以限制进程euid的变化,防止进程能力属性被任意提升。     

Meta分析中异质性方差区间估计方法及改进

Meta分析中的异质性程度可以用异质性方差度量。为了估计异质性方差,人们研究并给出了各种估计方法,如矩估计、最大似然估计、经验贝叶斯估计等。在点估计的基础上,还进一步研究了异质性方差的区间估计,从而更加准确和有效地度量异质性大小。构建置信区间的方法也有很多,如似然估计,WALD型置信区间,基于Q统计量的置信区间等。本文在介绍已有的几种异质性方差区间估计方法的基础上,给出了假设 近似服从正态分布的情况下,异质性方差的区间估计方法,导出了异质性方差置信区间的解析表达式。仿真计算及实例分析表明该方法是稳健、可靠的。     

星载原子钟性能分析方法比较研究

卫星导航时间系统是影响导航系统性能的决定性因素。原子时钟作为频率标准,能够产生高准确度和高稳定度的标准频率信号,可以实现精确计时。因此在导航卫星上广泛使用原子钟作为频率标准。讨论了原子时钟频率稳定度的Allan方差、重叠Allan方差、Hadamard方差及重叠Hadamard方差算法,并对GPS卫星真实数据进行了频率稳定度分析。得出了不同的GPS卫星,星载卫星钟的稳定度不同。对于同一种类的GPS卫星,卫星钟的稳定度也存在差异,且GPS BLOCK IIR卫星具有较好的频率稳定度。     

回归分析在F-P标准具测量实验中的应用

以测量法布里-珀罗标准具间隔实验中小数序的计算为例,分别建立一元线性回归模型Di2=b0+b1i、二元线性回归模型Di2=b0+b1i+b2i2、加权回归模型及近似直线回归模型Di2=b0+b1i*,采用最小二乘法数据处理过程,分析其应用条件和优缺点,得出近似直线回归方法可以在物理实验处理中广泛应用。     

The usefulness of heuristic N(E)RLS algorithms for combining forecasts

There exists theoretical and empirical evidence on the efficiency and robustness of Non-negativity Restricted Least Squares combinations of forecasts. However, the computational complexity of the method hinders its widespread use in practice. We examine various optimizing and heuristic computational algorithms for estimating NRLS combination models and provide certain CPU-time reducing implementations. We empirically compare the combination weights identified by the alternative algorithms and their computational demands based on a total of more than 66,000 models estimated to combine the forecasts of 37 firm-specific accounting earnings series. The ex ante prediction accuracies of combined forecasts from the optimizing versus heuristic algorithms are compared. The effects of fit sample size, model specification, multicollinearity, correlations of forecast errors, and series and forecast variances on the relative accuracy of the optimizing versus heuristic algorithms are analysed. The results reveal that, in general, the computationally simple heuristic algorithms perform as well as the optimizing algorithms. No generalizable conclusions could be reached, however, about which algorithm should be used based on series and forecast characteristics. © 1997 John Wiley & Sons, Ltd.