基于迭代信息传递的PN码快速捕获方法研究

在扩频通信系统中,低信噪比情况下,长伪码序列的快速捕获成为急需解决的一个关键问题。为了解决该问题,提出一种基于迭代信息传递算法的伪码快速捕获方法,给出了该算法伪码快速捕获的原理和实现方法,仿真分析了该方法的捕获性能。该方法采用软件实现,实现的复杂度较低。仿真结果表明该方法具有较快的捕获速度,较高的捕获概率,并能够在低信噪比下稳定工作。     

置信检验理论

本文提出了母体特征值置信分布的概念,建立了置信检验理论,该理论包括强检验、弱检验和弱强检验三种检验方法,分别满足了不同工程检验的需求。与假设检验相比,置信检验依据的是"大概率原则",而显著性假设检验依据的是"小概率原则",因此,置信检验能够以高概率确认工程中所关心的"条件"是否成立(如产品合格与否),能够对产品质量进行高精度的检验和控制,克服了显著性假设检验仅仅是一种拒绝检验,当接受一个假设时也只是意味着不拒绝该假设的缺点。置信检验不但能够大大提高工程检验精度,而且更加便于工程应用。      

H∞中的规范化LCF法在综合控制系统设计中的应用

用鲁棒控制理论中的规范化左互质因子分解 (规范化 LCF)法为某型飞机设计纵向飞 /推综合控制器 ,并总结了该方法的一些特点和设计要求。设计出的控制器满足实际工程要求 ,得到比较满意的控制效果。     

PearsonⅦ型分布均值参数置信估计的改进

为提高PearsonⅦ型分布均值参数估计的精度,构造一个以θ的改进估计δa(X)为中心的置信估计aCδ,通过比较aCδ与通常的置信估计CX0的体积和覆盖率,证明了aCδ与CX0的体积相等但aCδ的覆盖率高于CX0,从而得到aCδ优于CX0的结论。     

连续突变管道流动局部水头损失建模研究

管道系统中设置的阀门、限流环等十分常见,装备限流装置的管道本质就是典型的连续突变管道。突变管道流动存在十分明显的局部水头损失,因此工程设计人员在进行管道系统设计时不得不考虑因管道突变而产生的局部水头损失;目前针对单个突变管道流动局部水头损失已有较为深入的研究,并已推导出相应的计算模型,但对于连续突变管路的水头损失研究较少,工程设计中对于连续突变管路的局部水头损失计算采用基于单个突变管道水头损失的叠加计算法,由于连续突变管路流动为极其复杂的湍流,基于单个突变管道水头损失的叠加计算法而得到的连续突变管路的局部水头损失结果误差较大。鉴于此,采用理论推导与实验相结合的方法,设计四种不同管径比的管道以及23种不同进口流量工况,并以航空煤油为介质进行实验,利用实验结果进行分析并对传统的突变管道水头损失的叠加计算法进行修正,提出了连续突缩突扩管道的局部水头损失修正计算模型,其计算结果相比于传统计算方法在精度上得到了显著性提高,为工程管道系统设计中的连续突变管路局部水头损失计算提供了有力依据。     

陀螺仪随机误差的渐进遗忘多新息Kalman滤波

MEMS陀螺仪由于小体积、低价格等优点在民用领域得到了广泛应用,但是由于工艺水平限制,MEMS陀螺仪测量数据中存在大量的随机误差。为了减小MEMS陀螺仪测量的随机误差、提高测量精度,提出了基于渐进遗忘多新息Kalman滤波的随机误差滤波方法。建立了MEMS陀螺仪随机误差的AR模型,在经典Kalman滤波中引入了多新息修正方法,并使用渐进遗忘因子削弱历史数据的积累干扰作用,从而给出了随机误差的渐进遗忘多新息Kalman滤波方法。同时,使用经典Kalman滤波和渐进遗忘多新息Kalman滤波对MEMS陀螺仪输出数据进行处理,并使用Allan方差分析各噪声含量,可知：渐进遗忘多新息Kalman滤波后的数据其QN噪声比经典Kalman滤波减小了2个数量级,ARW噪声减小了1个数量级,BI噪声减小了2个数量级,RRW噪声和RR噪声减小为原来的约1/5,实验结果验证了渐进遗忘多新息Kalman滤波在陀螺仪随机误差滤波中的先进性。     

卫星导航定位方程的病态条件

定位精度因子(PDOP)上限取值是导航星座设计及其性能评价的基本依据。本文系统地论述卫星导航定位方程及其精度评定算法以及线性方程病态条件,通过实测和仿真数值试验结果对比分析,详细论证PDOP与卫星导航定位方程病态条件的关系,进而确定PDOP上限取值,以满足实际工程应用需求。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation,eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor,ASF）值通过网格应用算法得到待测试点的ASF值,一定程度上比公式计算的ASF值更准确。在计算过程中,用户四个顶点ASF值的测量误差会传递给用户,同时内插算法本身也会引入误差,此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法,得出结论：反距离插值算法引入的误差最大,双线应插值算法引入的误差最小,而且误差呈现一定层次感,网格从内到外误差逐渐减小。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。