用MATLAB求解Butterworth最优传递函数

采用MATLAB语言编写函数bwden,通过主程序调用该函数可求出任意阶Butterworth最优传递函数分母多项式的系数,绘制出Butterworth最优传递函数的极点分布图,阶跃响应曲线及波德图.8阶Butter-worth最优传递函数的求解和仿真表明,可有效且简便地用MATLAB求解Butterworth最优传递函数.     

高斯白噪声背景下机动目标未来运动状态的一步实时预报与滤波

对高斯白噪声背景下机动目标的运动共性进行了研究,绕过了建立系统加速度模型的麻烦,得到了未来运动趋势的一步实时预报模型,并具有很好的实时性.文章中还给出了算例与仿真计算结果.     

一类新的离散时延递归RBF神经网络

提出了一类带有离散时间 FIR/ IIR滤波器的递归 RBF神经网络 ,用离散时间 FIR/ IIR滤波器代替通常的 RBF神经网络中的线性输出权值 ,以适用于离散动力学系统的辨识和控制以及混沌时间序列预测 .本文给出的学习算法简单 ,可以避免传统的递归算法的不稳定性 .将该类神经网络用于动力学系统的建模 ,收到很好的效果 .     

潜艇侧推无位置传感器永磁同步电机控制系统

为满足潜艇侧推系统快速启动性和高可靠性要求,解决机械传感器的海水密封问题,研究了扩展卡尔曼滤波器无位置传感器永磁同步电动机控制系统,建立了标幺制下的EKF位置和转速估算模型,使应用扩展卡尔曼滤波器估算电机位置和转速时,矩阵的参数不依赖于电机参数,具有更广范围的适用性,降低了使用难度.针对电机初始位置误差造成EKF估算失败的问题提出了一种修正方法,仿真和实验证明了该方法的有效性.     

存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能分析

为了进一步了解相位噪声和信道估计偏差在空相关多输入多输出正交频分复用(MIMO-OFDM)系统中的作用,对存在相位噪声和信道估计偏差影响的空相关MIMO-OFDM系统的性能进行了分析.利用模型表达了空相关MIMO-OFDM系统的复包络信号,推导了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的有效数据符号的信噪比表达式,给出了在相位噪声和信道估计偏差影响下的空相关MIMO-OFDM系统的差错性能指标.研究表明,理论计算和计算机仿真的空相关MIMO-OFDM系统的差错性能结果在各种不同相位噪声和信道估计偏差影响下都比较吻合.     

半色调误差扩散算法研究综述

误差扩散算法是数字图像处理领域中半色调技术的重要问题.通过跟踪近年来误差扩散算法的技术发展,介绍了误差扩散算法在并行处理、分配系数、阈值调制等方面的改进方案.     

烟机卷接机组中AMK交流伺服系统的硬件组成及性能分析

AMK交流伺服系统在卷接机组中的应用主要是代替传统的由主电机、齿轮和皮带的传动方式,实现多电机同步驱动。本文重点介绍AMK交流伺服系统在卷接机组中的硬件组成,并对其性能加以分析。     

不完全信号时内部交易

在假设内部交易者均收到不完全信号的基础上,对该信号在交易市场中所产生的影响进行了研究;在内部交易者进行多次交易时,模型以Schimidt正交化为研究方法、以标准Cournot双寡头模型为指导思想;进而得到风险资产市场上的均衡解及相关结论.     

基于跳跃滤波和时变参数估计的中国股市微观结构研究

为了更为有效地探究微观市场结构对股票价格的影响,本文在状态空间模型框架下,同时将交易方向、带方向的交易量、交易间隔、微观噪声以及跳跃因素引入状态方程和观测方程中,建立全面的市场微观结构模型,以反映各变量对交易价格序列产生的暂时性和永久性影响.然后,在采用基于粒子滤波的非参数离群点检测方法检测跳跃并对跳跃进行滤波的基础上,运用贝叶斯最小二乘方法对微观结构模型系数、波动率以及状态变量进行实时更新和估计,在此基础上分析跳跃日度分布、日内分布、个股跳跃和共同跳跃特征,并同时判断不同交易方向、交易量的订单对价格产生的影响.最后选取2015年股灾期间、沪市股票的逐笔数据作为研究样本进行实证研究.实证结果显示:我国股票高频时间序列跳跃和共同跳跃均存在日内季节性,且跳跃频率和大小与市场信息密切相关;买卖订单对交易价格及股票价值的影响并不是完全对称的,交易价格对于微观结构的敏感度、微观结构噪声也随市场波动而发生变化,熊市中都相对更高;考虑跳跃滤波并对参数进行实时估计可以提高价格对于交易的敏感度,能更好地捕捉市场微观结构在价格发现中的作用.     

Forecasting the Daily Time‐Varying Beta of European Banks During the Crisis Period: Comparison Between GARCH Models and the Kalman Filter

This intention of this paper is to empirically forecast the daily betas of a few European banks by means of four generalized autoregressive conditional heteroscedasticity (GARCH) models and the Kalman filter method during the pre‐global financial crisis period and the crisis period. The four GARCH models employed are BEKK GARCH, DCC GARCH, DCC‐MIDAS GARCH and Gaussian‐copula GARCH. The data consist of daily stock prices from 2001 to 2013 from two large banks each from Austria, Belgium, Greece, Holland, Ireland, Italy, Portugal and Spain. We apply the rolling forecasting method and the model confidence sets (MCS) to compare the daily forecasting ability of the five models during one month of the pre‐crisis (January 2007) and the crisis (January 2013) periods. Based on the MCS results, the BEKK proves the best model in the January 2007 period, and the Kalman filter overly outperforms the other models during the January 2013 period. Results have implications regarding the choice of model during different periods by practitioners and academics. Copyright © 2016 John Wiley & Sons, Ltd.