我国中小企业财务管理存在的问题及对策

中小企业不是一个绝对的概念,而是一个相对大企业而言的概念。从理论上讲,中小企业一般是指规模较小的或处于创业阶段和成长阶段的企业,包括规模在规定标准以下的法人企业和自然人企业。在社会认同和制订扶持政策的实践中,各界人士对中小企业也有广义和狭义两种理解。广义的中小企业,一般是指除     

Leg-by-leg机动条件下纯方位跟踪的观测站机动策略

针对观测站机动前目标距离未知导致无法计算Fisher信息矩阵(Fisher information matrix, FIM)的问题, 从粗估目标初始距离和减小粗估误差对FIM行列式影响两方面着手, 提出在转向前计算FIM进而设计机动策略的方法。首先, 在修正极坐标系下建立系统模型, 描述了观测站leg-by-leg机动模式下FIM的计算方法。其次, 通过假设目标速度实现目标初始状态粗估, 提出使归一化初始距离粗估误差最小的目标速度假设方法。然后, 对FIM行列式进行近似及多项式展开, 通过控制前后leg段比例以减小状态粗估误差对FIM行列式的影响。最后, 利用仿真验证了所提机动策略设计方法的可行性和有效性。结果表明, 对于典型的水下目标跟踪场景, FIM行列式的有效估计概率为76.7%, 平均的相对估计误差为0.12。     

基于稀疏重构的机动拖曳线列阵空间谱估计

针对常规单拖曳线列阵声纳目标方位估计中存在的左右舷模糊问题,提出了一种联合多个波束快拍量测的空间谱稀疏重构估计方法。首先给出了拖曳线阵转向机动时的阵形递推估计方法,建立机动拖曳线列阵的接收信号模型;然后,利用拖曳线列阵转向机动引起的目标方位变化特征,从构造矩阵相关性角度分析实现拖曳线列阵空间谱无模糊重构的机理,构建了基于连续多个时刻波束快拍量测的稀疏重构模型。通过计算机仿真研究,对比分析了所提方法与常规波束形成方法的空间谱估计性能,结果表明所提方法对模糊目标的抑制比远大于目标信噪比,同时具有更好的角度分辨率,从而实现了拖曳线列阵全向空间谱估计。     

基于稀疏贝叶斯学习的拖曳线列阵空间谱估计

针对常规拖曳线列阵目标方位估计中存在的左右舷模糊问题,提出了联合多个时刻机动拖曳线列阵信号模型的稀疏贝叶斯学习空间谱重构估计方法。首先,建立了机动拖曳线列阵的阵元域信号超完备稀疏表示模型;然后,根据稀疏贝叶斯学习原理将目标的空间角度稀疏特性通过信号双层先验假设进行隐性描述;最后,对目标空间谱的变化过程采用隐马尔可夫模型进行描述,并将空间谱连续慢变的客观规律应用到目标信号超参数的概率密度计算中,构建基于多个时刻阵列信号模型的空间谱稀疏重构模型。计算机仿真研究和海试数据验证结果表明:所提方法在拖曳线列阵机动条件下,能够有效抑制固有的左右舷模糊,同时具有更好的重构精度,从而实现拖曳线列阵空间谱的优效估计。