由测温随机过程的一个实现估算数据方差的新方法

利用数值模拟法得出了在测温随机过程的一次物理实现中估算原始数据方差的新公式，它比较准确地反应了随机误差内在的统计规律性，具有广阔的应用前景。

一种基于排序数据方差的恒虚警检测器

为了充分利用参考单元信息,减少恒虚警(CFAR)损失,基于有序统计(OS)方法和排序数据方差(ODV)方法提出一种新的恒虚警检测器(MOSODV),它的前沿和后沿滑窗分别采用OS和ODV产生2个局部估计,然后取二者之和作为背景功率水平估计。在Swerling Ⅱ型目标假设下,推导出MOSODV在均匀背景下虚警概率的解析表达式,并与其他CFAR方法进行了比较。仿真结果表明,MOSODV在均匀背景及多目标环境中均具有较好的性能,而杂波边缘环境中,MOSODV也保持了比较好的虚警控制能力。

基于核数据调整基准例题的235U协方差数据测试

核数据协方差是评估核装置设计不确定度和核数据调整的重要输入,直接影响设计不确定度量化评估和核数据调整的结果。为测试基于不确定度源项分析和线性最小二乘法评价的235 U平滑区协方差数据的合理性,采用OECD/NEA WPEC/SG33提出的核数据调整基准例题和自主研发的核数据调整程序NDAC,开展了以JENDL-4.0库为基础的核数据调整测试,得到了应用了235 U cov版235 U数据的调整结果。测试结果显示,235 U cov版235 U数据的非弹性散射截面协方差不合理,阈能附近的不确定度过大;裂变和俘获截面的不确定度偏小。

基于数据协方差矩阵重构的MIMO声纳DOA估计

实际多输入多输出(MIMO)声纳系统由于环境或人为因素,可能出现部分阵元失效,从而导致阵列自由度减少、方位估计精度下降。本文提出了一种数据协方差矩阵重构方法,该方法基于差分阵列性质,利用正常工作阵元的协方差矩阵元素来恢复失效阵元的矩阵元素,获得满秩的数据协方差矩阵,从而恢复到全阵元MIMO声纳的阵列自由度。与已有方法相比,降低了计算复杂度。仿真及海试实验数据处理结果表明,本文所提的数据协方差矩阵重构方法能够恢复因部分阵元失效而丢失的阵列自由度,应用于方位估计中,所能分辨的最大目标数与全阵元相同。

基于排序方差的非参量自动删除检测算法

为了增强广义符号(GS)检测算法在多目标环境中的检测性能,基于自动删除单元平均(AC-CA)检测算法和GS统计量提出了一种新的非参量检测算法(ACGS),它的前沿和后沿均采用ACCA检测算法进行参考单元选择,然后与检测单元进行比较形成检验统计量。分别针对均匀背景和多目标环境分析了ACGS检测算法的性能,并与GS检测算法进行了比较,最后利用实测数据进行验证。结果表明在均匀杂波背景下,ACGS检测算法较GS检测算法有较小的CFAR损失,但在多目标背景下较GS检测算法取得了较大的性能改善。

基于数据自适应加权的叠前深度偏移成像方法

随着高性能计算机技术的快速发展和“两宽一高”采集技术的广泛应用,高分辨率、高保真的反演成像成为研究热点。首先从Bayes估计理论框架下的地震波反演成像出发,指出Bayes估计理论是地震波反演成像的基础,基于所选择波场预测器(一般为常密度标量声波方程)的波场预测残差的先验概率分布和要反演的模型参数的先验概率分布决定了模型参数的后验概率密度,后验概率密度的最大化是地震波反演成像最佳解的判定准则。在波场预测器为线性、预测误差为高斯白噪情况下,Bayes估计可在最小二乘意义下实现,并可以得到无偏和方差最小的参数估计结果。实际数据的不完备、线性化的正问题不能很好地模拟数据中的地震波场,使得数据协方差阵和模型协方差阵的引入成为必然。鉴于模型参数的正则化在反演成像中已有充分的讨论,重点讨论了加权最小二乘反演成像框架下数据协方差(逆)算子的作用,说明了数据加权处理在叠前深度偏移中的必要性。在将加权系数矩阵视为对角矩阵的基础上,提出了采用倾角扫描和动态时间规整算法确定数据加权系数,并将其应用于叠前深度偏移成像中。理论和实际数据的数值实验结果表明数据协方差(逆)算子能够有效提高偏移成像质量。

数据缺失情况下基于M⁃SPICE的低空风切变风速估计方法

针对机载气象雷达回波数据缺失的情况下,低空风切变风速估计失准这一问题,本文提出了一种基于缺失数据稀疏迭代协方差估计(Missing Sparse Iterative Covariance-based Estimation,M-SPICE)的低空风切变风速估计方法。该方法首先构造数据缺失模型,然后根据协方差拟合准则计算估计算子,并不断迭代更新得到最终所需的估计算子,进而恢复得到缺失的风切变数据,最后将恢复得到的数据重构得到完整的风切变数据,实现对风场速度的准确估计。仿真结果表明,该方法能够有效实现缺失数据的重建并精确地估计风速。

异方差大数据下联合均值与方差模型的α-最优子抽样

随着信息技术的发展,经济、金融、工业等领域产生了异常庞大的数据,这些数据往往具有异方差特性,传统统计模型和统计方法难以解决该类大数据的建模问题.子抽样是处理大数据的重要方法.文章针对联合均值与方差模型,在异方差大数据环境下研究了子抽样问题.文章主要贡献如下:对具有异方差特性的大数据建立联合均值与方差模型,在一定条件下,基于A-最优准则和L-最优准则讨论了子样本参数估计的一致性和渐近正态性;首次提出了异方差大数据下联合均值与方差模型的α-最优子抽样算法.数值模拟和实证分析的结果表明,该抽样算法能提高估计的精确性,减少计算成本.

基于有序统计和自动删除平均的最大选择恒虚警检测器

基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(OSACGO)以提高CFAR检测的性能,它采用OS和ACCA产生两个局部估计,然后取二者中最大值作为背景功率水平估计,从而设置自适应检测门限。在SwerlingⅡ型目标假设下,推导出OSACGO在均匀背景下虚警概率P_(fa)的解析表达式。通过与其它现有方案进行比较,结果表明在均匀背景及多目标和杂波边缘引起的非均匀背景中,OSACGO均具有相当好的检测性能,而它的样本排序时间只有OS和ACCA的一半。

基于自动删除算法的恒虚警检测器

为了提高恒虚警检测器在均匀背景中的检测性能及增强对干扰的鲁棒性,基于自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(MACCA),它的前沿和后沿滑窗均采用ACCA算法产生局部估计,再对二者求和得到背景功率水平估计,从而设置自适应检测门限。在Swerling II型目标假设下,推导出MACCA-CFAR在均匀背景下虚警概率Pfa和检测概率Pd的解析表达式。分别针对均匀背景和非均匀背景分析了MACCA的性能,并与其他现有方案进行了比较。结果表明MACCA继承ACCA优点的同时,有效地提高了在杂波边缘环境下的虚警控制能力,它的虚警尖峰比ACCA少了近一个数量级,并且样本排序时间只有ACCA的一半。

基于有序统计和自动删除平均的恒虚警检测器

为了增强检测器对干扰的鲁棒性,基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(MOSAC),其前沿和后沿滑窗分别采用OS和ACCA产生两个局部估计,然后取二者的和作为背景功率水平估计,从而设置自适应检测门限。在Swerling Ⅱ型目标假设下,推导出MOSAC在均匀背景下虚警概率Pfa的解析表达式,并与其它现有方案进行了比较。仿真结果表明MOSAC在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能。在杂波边缘引起的非均匀背景中,虚警尖峰比MOSCM减少了一个数量级,并且样本排序时间只有OS和ACCA的1/2。

基于自动删除算法的最大选择恒虚警检测器

基于自动删除单元平均(ACCA)恒虚警算法,提出一种新的恒虚警检测器(ACCAGO-CFAR)以提高CFAR检测的性能。它的前沿和后沿滑窗均采用ACCA算法来产生2个局部估计,取其中最大值作为总的背景功率水平估计,从而设置自适应检测门限。在SwerlingⅡ型目标假设下,推导出ACCAGO-CFAR在均匀背景下虚警概率P_(fa)的解析表达式。通过与其他现有方案进行比较,结果表明ACCAGO在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能,尤其是在杂波边缘环境中,它的虚警尖峰比ACCA小近2个数量级,并且处理时间也比ACCA大为缩短。

非高斯背景下基于ODV的距离扩展目标检测器

本文研究了球不变随机向量杂波背景下的距离扩展目标检测问题.给出了修正的距离扩展目标检测器MSDD,推导了相应的虚警概率与检测阈值的解析表达式.MSDD需要事先估计目标散射点个数,而散射点个数估计失配时会出现严重的信杂比损失,针对这一问题,利用有序数据方差估计散射点个数,提出了ODV-MSDD检测器.仿真结果表明,ODV-MSDD对目标所占距离窗的大小具有很好的鲁棒性,并且其检测性能随着目标散射点个数、阵元数以及杂波尖峰的增加而提高.与MSDD相比,ODV-MSDD能根据实际观测数据自适应地估计散射点个数,有效提高检测器性能,增强系统的鲁棒性.

一种新的鲁棒恒虚警检测器

本文基于自动删除单元平均(ACCA)方法和单元平均(CA)方法,提出了一种新的恒虚警检测器(ACGCA-CFAR)以提高CFAR检测的抗干扰性能。它的前沿和后沿滑窗分别采用ACCA和CA方法产生两个局部估计,然后取最大值作为背景噪声功率水平估计。在SwerlingII型目标假设下,推导出ACGCA在均匀背景下虚警概率Pfa的解析表达式,并与现有方案进行了比较,仿真和试验数据处理结果表明:ACGCA-CFAR在均匀背景和非均匀背景下均具有相当好的检测性能,而它的样本排序时间只有OS和ACCA的1/4。

基于自动删除平均和单元平均的恒虚警检测器

为了增强恒虚警检测器的抗干扰性能,基于自动删除单元平均(ACCA)方法和单元平均(CA)方法,提出了一种新的恒虚警检测器(ACCAM-CFAR)。它的前沿和后沿滑窗分别采用ACCA和CA方法产生两个局部估计,再对二者求和得到背景功率水平估计。与现有的CFAR检测器进行比较表明:该方法更为有效地利用了参考单元所提供的信息,具有更少的恒虚警损失。

一种基于ODV和CA的恒虚警检测器

基于有序数据方差(ODV)方法和单元平均(CA)方法提出一种新的恒虚警检测器(MODVCA),它的前沿和后沿滑窗分别采用ODV和CA产生局部估计,再取二者的和作为背景功率水平估计。在Swerling II型目标假设下,推导出MODVCA在均匀背景下虚警概率的解析表达式,并与其他CFAR方法进行了比较,结果表明在均匀背景及多干扰目标情况下,MODVCA的性能均比MOSCA获得了改善,同时该检测器的样本排序时间只有ODV的四分之一。

高效相干源DOA估计的ESPRIT新方法

ESPRIT算法是一种速度快、精度高的常用算法,但它不能解相干。针对此缺陷,提出了一种新的高效相干源DOA估计的改进ESPRTIT方法,新方法对数据协方差矩阵的最大特征值对应的特征向量按一定方式进行重排处理,以此来重构需要解相干矩阵。它不仅解决了常规ESPRIT算法不能解相干的问题,同时相对常规ESPRIT算法计算过程大大简化。计算机仿真实验证明了该方法在解相干方面的良好性能,为解相干的ESPRIT算法在阵列信号处理的超高分辨领域开辟了新的途径。

Data Analysis and Modeling of Fiber Optic Gyroscope Drift

A data gathering system is designed for the interferometric fiber optic gyroscope (IFOG) of land strapdown inertial system. IFOG is tested and the testing curve is given. The test data of IFOG are analyzed with Allan variance method and each error coefficient is identified. Furthermore, a random drift error model for IFOG is built by the method of time series analysis. The conclusion provides supports for improving IFOG design and compensating for errors of IFOG in practice.

考虑有效共振积分不确定度的抽样方法研究

在核反应堆物理计算中,核数据库中的截面是影响计算结果的重要因素,研究其不确定度对结果的影响具有重要意义。本文基于3个核评价数据库,利用NJOY程序制作了70种主要锕系核素和部分裂变产物的69群协方差数据库。开发了不确定性分析程序SUACL,该程序利用上述协方差数据库和国际原子能机构制作的69群WIMSD数据库,基于随机抽样的方法产生微扰后的多个核数据库样本;然后利用DRAGON程序对NEA/OECD基准中的PWR栅元进行了计算,计算结果表明,^(235)U和^(238)U两种核素裂变-裂变、辐射俘获-辐射俘获和弹性散射-弹性散射参数对对栅元k∞的相对不确定度与其他程序的吻合良好,验证了程序和理论方法的正确性。同时利用随机抽样方法对5个制作参数的不确定度进行了研究,发现包壳厚度的不确定性对无限增殖因数有较大影响,主要原因是其本身的相对不确定度较大。