自相关加权融合的高精度频率估计算法

为保证雷达对抗侦察系统在复杂电磁环境下的工作性能,提出了一种基于自相关加权融合的多段信号频率估计算法。对各段含噪信号进行自相关处理得到初相位为零、频率与原信号一致的高信噪比正弦信号,利用反余切算子构建支持度矩阵对自相关信号进行实时加权融合,在粗估计基础上建立参考信号,通过最小化误差函数求得高精度频率估计结果。仿真结果表明,相较于现有算法,本文算法在满足较低计算量的同时,不但精度明显提高,且在不同信噪比、信号长度以及信号异常等条件下均具备稳定的估计性能,为基于多传感器的雷达对抗情报侦察提供了参考。

基于非线性混合模型的落叶松云冷杉林分断面积模型

以吉林省汪清林业局金沟岭林场20块落叶松云冷杉样地为研究对象。首先选择传统的回归方法从4个常用的断面积模型中找出模拟精度最高的模型作为基础模型,利用基础模型及模拟数据构建非线性混合模型,考虑样地效应,采用SAS软件进行模拟,选择模型收敛及其对数似然值、AIC和BIC值最小的混合模型作为最优模型;然后,在此基础上考虑断面积连续观测数据的时间序列相关性,并把间伐强度以哑变量形式考虑进去,再进行混合模型的模拟;最后,利用验证数据对混合模型方法与传统的非线性回归模拟方法进行精度比较。结果表明:林分密度指数作为自变量的Schumacher式的模拟精度最高,而考虑样地效应的混合模型模拟精度优于传统的回归模型方法;一阶自回归误差结构矩阵模型在解释断面积的时间序列相关性时不仅提高了混合模型的模拟精度,而且能够很好地表达连续观测数据间误差分布情况;同时考虑样地的随机效应、观测数据的时间序列相关性及间伐强度的混合模型模拟精度比传统的非线性回归方法模拟精度高。

基于混合模型的油松林分蓄积量预测模型的建立

【目的】建立预估精度高的林分蓄积量混合模型,为北京地区不同初期密度油松林分提供个性化模型方程,为森林经营和采伐利用提供重要理论依据。【方法】以北京地区76块油松连续清查样地为研究对象,按初期的油松林分密度(ID)将油松样地分为Ⅰ(ID<400株/hm^2)、Ⅱ(400≤ID<800株/hm^2)、Ⅲ(800≤ID<1 200株/hm^2)、Ⅳ(1 200≤ID<1 600株/hm^2)、Ⅴ(ID≥1 600株/hm^2)5个水平,选用以断面积和优势木平均高为自变量的线性模型构建油松蓄积量基础模型,在基础模型上分别考虑油松林分的密度水平效应、样地效应和嵌套两水平效应,用R语言的nlme模块建立油松混合效应模型,并用平均绝对误差||、均方根误差RMSE、决定系数R^2 3个评价指标检验模型的拟合效果。【结果】拟合嵌套两水平混合模型决定系数R^2为0.998 2,高于密度水平效应和样地效应2个单水平混合模型,且||和RMSE均小于2个单水平混合模型;嵌套两水平混合模型的、RMSE分别为0.069 8和0.100 6,比基础模型降低了78.86%和82.39%。指数函数异方差结构和[ARMA(1,1)]时间序列相关性结构加入混合模型后,模型拟合精度均有一定提高。【结论】单水平和嵌套两水平混合模型拟合精度均高于基础模型,嵌套两水平混合效应模型拟合精度优于基础模型和单水平混合模型,指数函数能够消除数据间的异方差,[ARMA(1,1)]结构能够较好地表达样地间的误差相关性。

火控雷达测量误差自相关时间分析

舰炮火控雷达跟踪精度试验时需要确定跟踪数据的采样时间间隔,采样时间间隔主要取决于雷达跟踪误差特性的自相关时间。数据采样时间间隔直接影响试验航次数的确定和试验效率。从基础自相关估计理论出发,给出通过协方差函数直接计算和利用FFT变换计算雷达误差自相关时间方法,实测数据结果验证了火控雷达误差数据序列的平稳性;分析得到了火控雷达对典型目标的跟踪误差弱相关时间并给出雷达精度试验对空中目标数据采样时间间隔先按距离和方位角弱相关系数K值确定,即1-2s,数据处理时再对高低角误差数据进行取2-3倍间隔的建议。通过自相关时间分析发现雷达伺服系统对消舰艇摇摆存在剩余的技术问题,有助于雷达技术改进和跟踪误差源分析。

基于纵向数据非线性混合模型的杉木林优势木平均高研究

以江西省大岗山实验局不同初植密度的杉木林为研究对象,选择修改的Richards模型形式,考虑样地效应,采用SAS软件进行非线性混合效应模型的模拟,利用AIC和BIC值评价模型模拟效果。在此基础上考虑优势木平均高连续观测数据的时间序列相关性,并把初植密度以哑变量形式考虑进去,再进行混合模型的模拟。最后,利用验证数据对混合模型方法与传统的非线性回归模拟方法进行精度比较。研究结果表明,修改的Richards形式的优势木平均高与林龄关系的非线性混合效应模型,其估计精度比传统的回归模型估计精度明显提高,增加随机效应参数个数能够提高模型的估计精度。一阶自回归误差结构矩阵模型在解释优势木平均高的时间序列相关性时不仅提高了混合模型的模拟精度,而且能够很好的表达连续观测数据间误差分布情况;同时考虑样地的随机效应、观测数据的时间序列相关性及不同初植密度的混合模型模拟精度比传统的非线性回归方法模拟精度高。

神经网络经济预测法研究

本文在多层 BP神经网络的基础上 ,结合经济类时间序列的特点 ,采用特殊的处理方法 ,建立通用的经济预测神经网络模型 ,并利用此模型对安徽省某一经济数据加以预测。特殊的处理方法包括前置处理、单维时间序列扩展输入节点设计、训练区数据与试验区数据划分、误差自相关神经元节点的引入 ,以及后置评价处理。实际的预测结果表明了该方法的先进性和可行性。

基于GNSS TEC的电离层自相关预报误差分析及参数优化

电离层延迟是全球卫星导航系统(GNSS)高精度导航定位应用中的重要误差源.通过对电离层总电子含量(TEC)进行测量和短期预报可有效提升GNSS单频用户的定位精度,对其他无线电系统的电离层效应也可起到有效减缓作用.近二十年来提出了很多行之有效的短期预报方法,但还没有哪一种方法有绝对优势,其预测精度都有待提高.利用Madrigal数据库任意选取的5个格网点的TEC观测数据,首先比较了自相关和自回归滑动平均(ARIMA)方法,然后研究了自相关预报方法中实际参与加权的观测值覆盖天数和观测值数量这两个参数的选取对预报误差的影响,并提出了参数设置优化方案.试验结果显示:1)自相关方法的预报误差略小于ARIMA方法,且自相关方法所花费时间比ARIMA方法少,总体上自相关方法是一种性能更优的方法;2)对于自相关方法,相比于传统的“4+12”参数设置方案,“3+9”方案总体上具有更优的预报性能,说明TEC时间序列的当前状态可能主要与前3天的状态有关.相关结果可作为电离层短期预报工程实现的一个有用的参考方案.

欠采样下多个线性调频信号参数估计方法

针对时域欠采样下多分量线性调频信号参量估计问题,提出了一种基于同时估计多个实数的广义稳健中国剩余定理的调制斜率和初始频率的解模糊方法。研究了忽略信号交叉项影响所需的条件及利用广义稳健中国定理对多个LFM信号参数解模糊的原理和方法。仿真实例表明,提出的方法在低信噪比及时域欠采样下对多个LFM信号的调制斜率和初始频率估计精度高、稳健性好。

基于时域逆滤波的宽带脉冲声生成技术

为了改善扬声器的频率响应,生成稳定、可重复的宽带脉冲声信号,提出了基于时域逆滤波的宽带脉冲波生成技术。首先利用最长序列(MLS)测量扬声器的单位冲激响应,然后设计基于最小二乘(LS)准则和最小均方误差(MMSE)准则下的FIR逆滤波器,最后将信号分别经过FIR逆滤波器预处理,再次通过扬声器激励,生成了理想的巴特沃斯宽带脉冲信号。实验证明2种逆滤波算法行之有效,可以用于生成声学测试需要的宽带脉冲声,为实现声学性能现场测量提供了一种解决方案。

空间欠采样下多个LFM信号方位估计新方法

针对空间欠采样下多个LFM信号方位估计问题,提出了一种基于同时估计多实数的广义稳健中国剩余定理的方位解模糊方法。研究了忽略信号交叉项影响所需的条件及利用广义稳健中国剩余定理对多个LFM信号方位解模糊的原理和方法。仿真实例表明新提出在空间欠采样情况下对多个LFM信号目标同时解方位模糊的方法是有效的,方位估计的精度高,稳健性好。

基于误差截尾假设的时序预测可学习性理论与算法

在收集和处理时间序列数据的过程中,难免会产生误差,而在很多现实情形中误差是自相关非独立的.已有的预测理论在分析误差自相关的时序数据时,往往需要知道预测算法所输出假设空间的显式表达,而对于一些假设空间不明确的模型,比如神经网络,尚未有系统的求解方法和理论保障来分析其在非平稳且误差自相关时序数据上的预测能力.本文基于误差截尾的假设,提出了时间序列的预测PAC可学习理论,并给出了数据依赖情形下的泛化误差界.该界限包含一个时序复杂度度量和一个差异度量,前者描述了序列数据的非平稳性,后者可在适当情形下从数据中估计得到.因此,该误差界并不依赖于假设空间的显式表达,具有较强的普适性.根据上述理论,本文提出了一种基于自回归模型的交替优化算法用于预测非平稳的时间序列数据.我们在真实数据集上进行实验,验证了本文提出算法的有效性.

陀螺RRW在惯导系统中的误差传播特性

角速率随机游走是高精度光纤陀螺的一项主要随机误差源,对惯性导航系统的误差有着较大影响。分析了角速率随机游走的统计特性,推导了角速率随机游走引起的惯性导航系统姿态、位置误差的解析表达式,研究了静基座环境下的惯性导航系统在长时间导航环境下的随机误差传播规律,对角速率随机游走作用下的惯性导航系统误差进行了仿真与实验,验证了所推导公式的正确性,对惯性导航系统的设计与误差分析具有一定的参考意义。

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 。