Characterization of ionospheric amplitude scintillations using wavelet entropy detrended GNSS data

The extensive monitoring networks of Global Navigation Satellite System (GNSS) ionospheric scintillation have been established to continuously log observation data. Further, the amplitude scintillation index and the phase scintillation index, which are derived from scintillation observations, are anticipated to accommodate the accuracy requirement of both the user level and the monitoring station level. However, raw scintillation observations essentially measure superposed waveform impairments of GNSS signals propagating through ionosphere and troposphere. It implies that fluctuations of raw scintillation observations are caused by multiple factors from the entire radio propagation environment. Hence, it is crucial to characterize ionospheric scintillations from GNSS observation data. And the characterization is implemented through extracting fluctuations of raw observations merely induced by ionospheric scintillations. Designed to address this problem by means of Fourier filtering detrending, the present work investigates the influence of varying detrending cutoff frequencies on wavelet statistical energy and wavelet entropy distributions of scintillation data. It consequently derives criteria on the optimum detrending cutoff frequency for three types of raw amplitude scintillation data, which are classified by their wavelet energy distributions. Results of the present work verify that detrending with specific optimum cutoff frequencies rather than the fixed and universally applicable one renders the validity and credibility of characterizing ionospheric scintillations as the part of GNSS observation fluctuations purely induced by ionosphere electron density irregularities whose scale sizes are comparable with or smaller than the Fresnel scale.     

发动机故障诊断的变记忆约束滤波算法

为提高故障诊断可靠性,给出了3种利用多次测量信息减少测量误差影响的方法,即变记忆约束滤波算法、分段算术平均预平滑算法以及指数顶平滑算法。其中,变记忆约束滤波算法能够有效地避免由于故障方程多重共线性所引起的病态解。证明了多故障诊断问题中滤波算法与分段算术平均算法的等价性,证明了在衰减滤波的条件下（第一变记忆因子小于1）,随测量点数的增加,变记忆滤波算法的第一变记忆因子与指数平滑的平滑系数之和趋近于1。利用计算机仿真方法对于所得结论进行了检验。     

系统可靠性评定的熵（法）近似限

将近代Ｓｈａｎｎｏｎ信息论的信息概念广义化,利用信息量的“可加性”特性和离散变量熵的一般表达式,并与可靠性工程理论相结合,推导了由成败型或指数型单元所组成的串、并联系统可靠性评定用的熵（法）近似下限计算公式。应用本文公式所得出的评定结果总是介于经典和贝叶斯（法）近似下限之间,既不偏于保守,又不过分冒进,相当令人满意     

k/N(G)系统可靠性评定的熵(法)近似限

将近代,Shannon信息论与可靠性工程理论相结合,推导了由不同成败型或不同指数型单元组成的k/N（G）系统可靠性评定用的熵（法）第一、二近似下限计算公式。评定结果令人满意。     

关于建立高阶差分格式的问题

为了能在不太密的网格上捕捉到流场的细致结构。通常采用高阶精度的差分 式进行数值模拟。为能抑制计算中和在激波附近产生的虚假波动,本文从物理构思出发,提出了建立高阶格式的两个基本原则,作者称之为抑制波动的原则和稳定性原则。     

基于泛化熵随机森林的雷达目标航迹起始方法

文章提出了一种基于泛化熵随机森林的雷达目标航迹起始方法,通过引入一种泛化熵可调参数,解决了传统随机森林算法对差异数据集泛化能力和适应性差且难以确定全局最优解的难题。首先利用雷达多周期回波数据构建随机森林算法决策模型,其次基于设计的泛化熵处理规则对实测数据进行分类处理得到所需测试样本,最后将测试样本输入完成模型训练的随机森林进行迭代寻优和自主决策以获取雷达目标的航迹起始结果。雷达实测数据验证表明,文章所提出的方法相比于传统随机森林方法具有更为优越的目标航迹起始性能。     

基于熵与TOPSIS法的空中目标威胁判断

针对舰艇对空防御空中目标威胁判断指标属性权重与属性值均为区间数的情况,通过以各方案与理想方案偏差最小、与负理想方案偏差最大,以及权系数熵的最大化为优化目标,用拉格朗口乘子法给出模型的最优解,得到指标的权重值;基于区间数的4种不同的距离度量方式,建立基于TOPSIS法的威胁判断模型;通过实例对比在不同距离度量下的排序效果...     

通用航空机队设备可靠性动态识别模型

通用航空机队设备可靠性是通航单位安全运行的前提条件,是影响运营单位经济效益的重要因素之一。根据通航单位机队设备可靠性数据统计、分析及实际使用情况,采用ATA100章节名称作为指标源。综合可变模糊识别方法和权重阶梯朴素贝叶斯分类器模型的优势,构建了通用航空机队设备可靠性动态识别模型。为了避免主观给定指标权重导致的不合理,应用熵权法客观获取指标权重。最后利用实例测试样本验证了权重阶梯朴素贝叶斯分类器的合理性,并基于该方法对待识别样本进行了可靠性状态识别。实例分析表明：基于权重阶梯朴素贝叶斯分类器的通用航空机队设备可靠性状态识别模型具有较强的可行性和合理性,为通用航空机队设备可靠性状态提供了一种科学的识别方法。     

一种双时间尺度函数Wiener过程性能退化模型

为通过性能退化数据评估产品的可靠性,基于广义Wiener过程提出了一种双时间尺度函数模型以描述产品退化过程。采用极大似然估计(MLE)法求解模型参数,推导了其寿命分布(FTD),进而进行可靠度分析和寿命评估。对模型进行了Monte Carlo模拟验证和实例应用,并将目前常用的混合效应Wiener过程模型作为参考方法进行了对比分析。结果表明:根据90%可靠度曲线的定义,该方法较参考方法的结果更为合理、准确。进一步的寿命评估结果表明,该方法与参考方法的平均寿命相差232.9h,90%可靠寿命结果相差109.4h,且参考方法计算结果偏于危险。      

基于模板匹配整帧屏幕视频帧内无损编码方法

当前主流的视频压缩标准,如H.264、HEVC等,主要是针对摄像机拍摄的视频而设计的.而屏幕内容(SC)的视频是由计算机生成的,无噪声,要求更高的压缩效率,同时与摄像机拍摄的视频相比包含更多的结构相似性.提出了一种利用屏幕视频中相似性的模板匹配帧内编码方法,采用由21个像素点组成的模板,以像素点为最小单位对整帧进行模板匹配,并使用哈希函数实现高效的模板查找,最后对残差图像进行熵编码.实验结果显示,与标准的HEVC扩展方法相比,该方法在无损编码上压缩率可以提高一倍,编码时间减小了近一半.