基于ARIMA模型的拉萨降水量时间序列分析与预测

应用差分自回归滑动平均模型（ARIMA）模型对西藏拉萨地区1969年至2009年的年降水量资料进行建模分析。建立的模型通过了参数的显著性检验和模型的显著性检验。模型的实证分析表明在短期内模型具有较高的预测精度,ARIMA模型可以较好的应用于降水量的预测,对相关部门采取措施应对自然灾害提供了理论支持。     

基于双树复小波分解的云量时间序列模型预测

针对传统云量预测模型应用于高分辨率卫星影像云量时间序列数据时存在的实用性差、拟合效果差及预测结果准确度低的问题,提出了一种基于双树复小波分解的云量时间序列组合模型预测方法。该方法利用DT-CWT分解的方法提取出云量时间序列的低频趋势信息和高频随机信息,对低频和高频序列分别应用时间序列分析与Elman神经网络的预测方法,然后将两个序列的预测结果重构得到最终的云量预测结果。实验结果表明,应用双树复小波分解的低频信息可以更好的反应云量变化趋势,高频信息也可以更好的保留云量变化的随机信息。该方法预测结果的平均绝对误差和均方根误差相比传统预测模型均有所减小,预测准确度有所提高,能够更好的拟合高分辨率卫星云量时间序列的变化规律。在卫星成像任务规划时将云量预测的结果作为参考信息,选择云量覆盖较小的时间窗口,可以获取更高品质的卫星有效成像数据。     

非线性时间序列在卫星通信网络数据预测中的研究

卫星通信网络数据预测在卫星通信系统中起着重要的作用,是系统建模的主要研究内容之一。由于卫星通信网络数据的非平稳性和不可预知因素的影响,决定了应采用非线性时间序列建模方法来分析、预测。在分析通信网络数据的基础上,建立卫星通信网络数据的ARIMA模型,在确定预测模型的阶和进行参数估计后,给出不同预测步数条件下的通信网络数据流量的预测,并进行了仿真对比实验。仿真结果表明,该模型在预测步数较小的情况下,预测误差在4％左右,具有良好的预测精度,为卫星通信网络数据流量的预测、异常检测和网络负载预测的应用奠定了坚实的基础。     

基于小波神经网络的PIM功率时间序列预测

无源互调（passive intermodulation,PIM）是影响通信系统性能的关键因素之一。研究表明,PIM信号并非一个定值,而是随时间变化的非平稳信号。基于PIM功率信号的时间序列特性,文章提出基于小波神经网络的PIM功率时间序列预测方法。首先,详细介绍小波神经网络预测模型及其预测方法;其次,以同轴连接器为验证对象,通过PIM实验测试系统获得3阶PIM功率的时间序列;最后,依据获得的PIM功率时间序列,结合构建的小波神经网络预测模型对后续的时间序列进行预测分析,并将预测结果与实验结果进行比较,从而验证小波神经网络在预测PIM功率时间序列方面的有效性。该研究对于开展PIM抑制技术具有一定的参考价值。     

基于时间序列相似性原理的雷达信号识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号,是信号处理领域的重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于复杂体制雷达信号快速匹配识别方法。实验表明,该方法识别速度快、适应环境能力强,具有良好的应用前景。     

时间序列分析在周跳探测与修复中的应用

周跳是GPS载波相位测量数据处理中必须解决的关键问题,为了获得高精度的导航定位结果,必须对其进行快速准确地探测与修复。分析了周跳产生的原因及其特点,结合时间序列分析理论,提出了一种新的周跳探测与修复方法。首先对载波相位测量数据进行四次差分处理;然后建立了载波相位测量数据的加权预测模型,并给出了权值计算方法;最后通过对比载波相位预测值与实际测量值的大小来探测与修复周跳。利用实际数据验证表明：新方法适用于单频接收机,可以对3周以上的周跳进行准确探测与修复。     

航天试验数据时间序列相似度分析

针对航天试验曲线数据的特点,提出一种时间序列相似度分析方法,通过分析待测曲线与模板曲线的相似性,辅助曲线数据判读。首先,采用SAX和DTW融合综合分析时间序列的周期性,将时间序列数据划分为周期和非周期两类。再分别叙述两种类型的时间序列的相似度分析方法,判定曲线的正确性。本文中对非周期时间序列,提出采用带有双维度约束的DTW相似度分析技术。对周期时间序列,采用离散傅立叶变换,通过频域幅度的一致性来近似初步判断周期信号的相似性。最后经过实验验证本文提出的时间序列相似度分析方法的正确性。     

静电陀螺随机漂移模型辨识

采用时序分析方法对静电陀螺随机漂移模型进行辨识，提出了用Ｂｏｘ－Ｊｅｎｋｉｎｓ法，Ｂｕｒｇ法，ＬＵＤ法以及Ｄ．Ｄ．Ｓ法四种建模方法建立了一维模型，并用多维ＡＲ模型建立了二维模型，对所得结果进行了讨论，最后指出只有精密陀螺建模才有价值，ＬＵＤ法对发展实时控制是十分有用的     

基于模型预测的轨道自主快速大机动控制

为改善太阳同步轨道(SSO)卫星轨道大机动经典控制方法的性能,提出了一种基于卫星动力学模型预测的轨道自主机动控制算法,用大推力轨控发动机开环控制加小推力器闭环修正进行控制。给出了制导策略和算法流程。理论分析和仿真结果表明,该控制算法适于卫星轨道自主快速机动控制,其轨控精度较高,收敛时间可满足快速性要求。     

基于扩展时间Petri网的软件潜在分析

针对SSA技术存在的缺陷,根据软件系统与Petri网的相似之处,提出了基于Petri网的SSA技术.首先概述了SSA技术的发展现状,然后定义了一类扩展时间Petri网,定义了软件的设计矩阵和Petri网的可达状态矩阵,通过比较设计矩阵与可达状态矩阵找到软件潜在状态.仿真分析证实了方法的有效性和可行性,最后提出了SSA技术有待解决的问题.     

基于灰色模型的捷联惯组历次测试数据分析

捷联惯组历次测试数据反映了捷联惯组的逐次通电稳定性,它是引起制导工具误差的主要影响因素。本文采用建立捷联惯组历次测试数据灰色模型的方法对其逐次通电稳定性的变化趋势进行预测。通过仿真计算,验证了利用该方法进行短期预测的有效性。     

基于SE-TCN网络模型的太阳电池阵温度异常检测

针对因卫星入境数据延迟,无法快速判断太阳能电池阵温度遥测数据是否发生异常问题,提出一种SE-TCN网络模型。首先借鉴SENet中的通道注意力机制,对时间卷积网络(TCN)进行改进,提高模型的特征提取能力;其次使用SE-TCN做为特征提取网络,训练出网络模型;最后对温度遥测数据做中长期预测(约4轨)。以某在轨卫星实际太阳能电池阵温度遥测数据作为实验数据。结果表明:本文提出的SE-TCN网络模型在评价指标上与传统TCN网络模型相比,平均绝对误差(MAE)降低了7.7%,均方根误差(RMSE)降低了5.2%,相关系数(R)提高了0.4%。当卫星入境时,该检测方法可根据预测值快速判断实时遥测数据是否发生异常。     

基于离散时间传递矩阵法的伞-弹系统动力学模型

采用离散时间传递矩阵法建立了伞-弹系统减速稳定段的动力学模型,回避了多体动力学传统的研究方法在伞-弹系统建模过程中存在的问题。详细给出了应用离散时间传递矩阵法建立铅垂平面内伞-弹系统模型的建模过程,推导了伞-弹系统的传递矩阵和传递方程。通过算例将建立的伞-弹系统模型和采用牛顿-欧拉法建立的伞-弹系统模型进行了对比分析,两种模型计算结果吻合度好,验证了本文模型的正确性以及离散时间传递矩阵法应用在减速伞-子导弹系统中的可行性。     

基于多学科参数化建模和灵敏度分析的飞行器分级优化设计方法

提出一种将飞行器参数化建模、灵敏度分析与气动/隐身综合优化设计相结合的方法.该方法的流程为:(1)建立面向多学科设计的参数化模型,提取分级参数;(2)对分级参数进行灵敏度分析,筛选设计变量;(3)基于分级优化流程,应用多目标优化算法进行飞行器气动/隐身综合优化设计.以一个四尾翼布局飞行器气动/隐身综合优化设计为例,阐述流程的实现过程,结果表明这种方法具有如下优点:(1)多学科参数化建模为气动和隐身性能分析提供统一的参数化模型;(2)使用灵敏度分析工具对分级设计参数进行筛选,精简优化设计任务;(3)基于分级参数和灵敏度分析进行分级优化设计,优化适应值提高56.1%,耗时减少57.02%.     

一种基于幂级数函数的混合域基函数的收敛性分析

为提高计算效率,以一种基于双线性四边形模拟物体形状的幂级数函数为混合域基函数,用伽列金矩量法(MOM)对电中、小尺寸金属散射体的雷达散射截面(RCS)进行计算。分析了幂数级函数阶数M与其收敛性的关系。对二面角、矩形平板、等边三角形平板和圆柱等不同目标的单站或双站RCS计算结果表明,在此特定条件下M=3时该算法计算值与文献结果较为吻合,计算速度和精度均可满足仿真要求。     

天基空间监视交会计算和可观测时段预报的误差分析

将卫星和目标的轨道预报误差引入天基空间目标监视的任务规划中,研究了交会计算和可观测时段预报的误差分析方法。在协方差转换基本方法和交会信息计算公式的基础上,推导了从RSW轨道坐标系到RAE参数（距离、方位角、俯仰角）的协方差转换方法。对LEO和GEO目标观测分别引入相对速度和角距变化率,给出了可观测时段误差的分析方法。算例表明本文的计算结果与Monte-Carlo仿真结果相对误差不大于4%,典型轨道误差下LEO和GEO目标的可观测时段误差分别为0.2秒和3秒量级。该方法对任务规划和姿态及相机导引具有指导意义,还可用于分析成功观测对轨道预报精度的需求。