构造Bayes与Fiducial预测区间的若干方法

对构造Bayes与Fiducial预测区间的几种方法进行了讨论,并举例比较了它们在使用中的方便程度。     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题,提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计,然后构建冗余的微动原子集,对加速度补偿后信号进行微动分解补偿,通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数,并快速提取其微动特征。     

计算大型实对称特征问题的 Lanczos-QR 算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向量ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍＴ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。然后,修改初始迭代向量ｖ１。迭代地重新开始这一过程,迫使初始迭代向量ｖ１进入需求的特征子空间,从而使残量‖Ｋｘ－θＭｘ‖→０。数值例子表明,该方法收敛性强,且稳定、有效。     

基于局部Neymark分解的混沌信号与噪声的分离方法

从动力系统和几何的观点出发,提出了基于局部Ｎｅｙｍａｒｋ分解的混沌信号与噪声的分离方法。该方法在一个局部的轨道空间内进行Ｎｅｙｍａｒｋ分解,重构时消除由噪声引起的在某些方向上的错误分量,接着进行反嵌入,使得这一由于噪声影响而发生畸变的局部轨道得以纠正,达到混沌信号与噪声分离（以下简称混沌滤波）的目的,并对其中的反嵌入问题作了较为深入的讨论,仿真实验表明了本方法的有效性。     

计算大型实对称特征问题的Lawnczos—QR算法

为了计算大型实对称特征值问题Ｋｘ＝λＭｘ的少数低阶特征值对,本文给出Ｌａｎｃｚｏｓ－ＱＲ迭代方法。首先,给定初始迭代向ｖ１,作ｍ步Ｌａｎｃｚｏｓ分解：ＫＶｍ＝ＭＶｍＴｍ＋ｈｍｅｍ＾Ｔ。取Ｔｍ的ｄ个最大特征值为移位量,对Ｔｍ进行ｄ步带原点位移的ＱＲ分解。     

基于灰色预测模型的EMD端点效应抑制方法

为了能够有效地抑制经验模态分解(EMD)中存在的端点效应问题,本文提出一种基于数学模型和信号分析法相结合的处理方法——基于灰色预测模型的EMD端点效应抑制方法.首先利用灰色预测模型对原始信号的两端进行延拓产生有限极值点,对延拓信号的中间部分加矩形窗保证原信号不变,对延拓部分加汉宁窗让包络线拟合更加平滑,然后对处理过的信...     

一种基于实数域特征值分解的前后向平滑算法

为减小算法的运算量,对常规前后向空间平滑(FBSS)算法进行改进,提出了一种基于实数域特征值分解的前后向平滑(RDFBSS)算法。算法根据前后向平滑算法协方差矩阵的中心-厄米特对称特点,通过实值化变换,使FBSS算法的特征值分解从复数域转为实数域,大幅减少了算法的运算量,且不影响解相干和统计性能,提高了实用性。仿真结果证实了算法的有效性。     

小子样样本均值点估计的一种非参数方法

描述了极值分布分位点估计方法的原理和模拟退火算法．并对分位点函数展开式的系数进行了优化仿真计算，最后得到样本总体均值的点估计。针对小子样情况，如果对具体的分布不很明确了解，本文提供的均值点估计非参数方法可作为一种备选方法。     

基于HTN的卫星应用任为分解方法

文章在深入分析卫星应用任务复杂性的基础上,研究了层次任务网络(HTN)方法对复杂卫星应用任务分解问题的适用性,并给出了相应的问题求解框架;深入研究了卫星应用任务需求要素预处理工作的主要内容和步骤,并在此基础上构建了卫星应用任务的域模型;最后给出了复杂任务及其分解方法的定义,采用基于HTN的方法对复杂卫星应用任务分解问题进行求解,同时给出了基于HTN的状态空间前向搜索算法.     

小波神经网络用于CCD视频序列图像去噪

CCD摄像机获取目标影像时不可避免地受到噪声影响,因此噪声去除是CCD图像处理的一项重要研究课题。本文将小波神经网络引入CCD图像去噪领域中,提出一种基于小波神经网络的图像去噪方法。实验结果表明,该方法在去除噪声上优于传统的均值滤波等方法,在有效去除噪声的同时,又能很好地保护图像的细节信息,具有很好的保真度。