一种因果混合相位ARMA模型定阶方法

自回归滑动平均(Autoregressive moving average,ARMA)模型为因果混合相位的假设条件下,分别采用基于样本自相关函数和样本高阶累积量的奇异值分解(Singular value decomposition,SVD)法对自回归(Autore-gressive,AR)部分定阶,同时将信息量准则法与高阶累积量法进行有机结合,提出了一种新的MA模型定阶方法。数值仿真证明,本文提取的新方法定阶效率高,并且可以有效地提高高阶累积量法确定滑动平均(Moving average,MA)阶数的稳定性,具有很好的应用价值。

关于时间序列AR模型定阶问题的一些研究

本文对AR模型的差比定阶方法进行了修正;并从工程应用角度,在机械故障诊断的领域里,提出分低阶AR模型和高阶AR模型的观点以及根据FFT-AR谱相似系数取最大值的定阶方法。

模型结构未知的多模型系统辨识的一种简化途径

本文考虑多模型系统,包括模型结构时变系统的辨识问题。这里不假定模型结构已知,给出了多模型系统模型族的统一描述方法,包括模型结构与参数的辨识方法。并对所提出的方法进行了理论分析和计算机仿真。

《洛阳伽蓝记》并列式合成词研究

简述了选材原因,介绍了并列式合成词的判定问题,对并列式合成词进行了较为详细的描写。描写时试图以词素性的异同来分类描写,这种描写为进一步深入研究提供了语料基础。

相关系数准则对水文相依模型的适用性及验证

相依变异是水文过程变异的一种重要表征形式,可以用自回归、滑动平均和自回归滑动平均模型进行描述,但如何有效地确定模型阶数是前提和关键。相关系数准则是针对自回归模型提出的定阶准则,该准则基于相依成分与原序列间的相关系数指标,计算其均方误差以反映模型的拟合优劣,并构造信息熵函数以衡量模型不确定性及复杂程度。本文基于相关系数定阶准则,尝试探讨该准则对于滑动平均和自回归滑动平均模型的适用性。以三阶以内的滑动平均模型和自回归滑动平均模型为例,统计试验表明:相关系数准则所判定阶数相较于其它两种常用的准则更为准确。最后选取实测水文序列对其进行验证,结果表明该定阶准则同样适用于滑动平均和自回归滑动平均模型。

运用信息融合式高阶UKF的微小卫星姿态确定算法

为提高微小卫星微型低成本姿态敏感器的姿态确定精度,基于磁强计/太阳敏感器/陀螺仪的姿态敏感器配置以及无迹卡尔曼滤波方法(Unscented Kalman Filter,UKF),设计了一种基于高阶UKF算法并且融合磁强计与太阳敏感器观测信息的微小卫星姿态确定算法.为提高系统状态方程非线性函数的一步预测精度,采用基于五阶UT变换的高阶UKF算法,增加了Sigma采样点数量,提高了系统状态预测精度.单一观测向量滤波算法不能同时满足多个不同量纲观测数据,本文提出一种同时利用两个观测向量的信息融合式滤波算法,根据磁强计和太阳敏感器的观测信息,通过卡尔曼滤波原理中的增益计算,分别得出地磁矢量和太阳矢量对应的卡尔曼增益信息.采用高斯概率密度准则进行信息融合,进而完成预测值的修正,得到同时满足磁强计以及太阳敏感器观测需求的四元数估计值,降低了观测误差的影响.仿真分析验证了算法的优越性.

Some new viewpoints in reactor noise analysis

ＳｏｍｅｎｅｗｖｉｅｗｐｏｉｎｔｓｉｎｒｅａｃｔｏｒｎｏｉｓｅａｎａｌｙｓｉｓＬｕｏＺｈｅｎｇ－Ｐｅｉ（罗征培），ＬｉＦｕ（李富）ａｎｄＬｉＢａｏ－Ｙａｎ（李宝琰（ＩｎｓｔｉｔｕｔｅｏｆＮｕｃｌｅａｒＥｎｅｒｐｙＴｅｃｈｎｏｌｏｇｙ，Ｔｓｉｎｇｈｕａ...