简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

Improvement of Jahangir＇ s multiple moments estimator

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE（Maximum Likelihood Estimator）相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

基于MHSS算法的ARAIM完好性和可用性预测

传统的接收机自主完好性监视只能提供非精密进近阶段的完好性监视,无法实现对完好性要求更加严格的飞行阶段的监视,而高级接收机自主完好性监视（AdvancedReceiverAutonomousIntegrityMonitoring,ARAIM）可以在精密进近阶段为飞机提供满足航向信标性能垂直引导（LocalizerPerformancewithVerticalguidance,LPV）的完好性监视服务。文章基于多假设分组解算法,根据目前的星座环境,结合民航不同飞行阶段的应用需求,对ARAIM算法进行仿真研究。针对水平保护级（HorizontalProtectionLevel,HPL）和垂直保护级（VerticalProtectionLevel,VPL）的指标,在不同星座组合环境下,选取南北半球不同经纬度的5个观测机场,分别仿真了HPL和VPL的变化情况,并对全球HPL和VPL平均分布趋势,以及以99%的概率满足LPV-200进近可用性指标时,ARAIM可用性的全球覆盖率进行了仿真预测分析。仿真结果表明,不论是全球定位系统和格洛纳斯双星座还是增加北斗卫星导航系统后的三星座,5个观测机场的HPL和VPL均能满足LPV-200进近对完好性指标的要求;但在全球范围内,双星座条件下,ARAIM并不能完全支持LPV-200进近对完好性监视的要求,而三星座则可大大提高ARAIM的可用性,为民航用户提供满足精密进近的所需导航服务性能。     

交互式多模型粒子滤波优化重采样算法

针对标准交互式多模型粒子滤波(IMMPF)算法中存在粒子退化及多样性匮乏问题,提出了交互式多模型粒子滤波优化重采样(IMMPFOR)算法,利用线性优化理论改善模型中具有小权值的粒子精度。该算法的新颖性体现在给定量测信息条件下,利用线性优化方法及模型交互概率将每个模型中拥有小权值的粒子替换成新的粒子。新的粒子既包含本模型中粒子信息,又包含了本模型与其他模型交互后的粒子信息。目标跟踪的仿真结果证明:每个模型新产生的粒子集合可以准确地近似真实状态后验概率密度函数,系统的估计精度与标准IMMPF算法相比有较大提升。     

基于多维递阶熵的元胜任力模型实证

为了提升人力资源效用,减少用人风险,测评个体胜任力,针对七维度的元胜任力模型,提出了多维递阶熵决策模型.首先分析元胜任力性质呈现动态渐变的特征,进行信度和效度检验,然后通过层次分解和维数递进的方式,运用熵模型集结元胜任力的多个维度:概念能力、创造力、学习能力、反省能力、情绪能力、沟通能力、解决问题能力,获得综合测评值.最后,人力资源案例的实证研究表明,基于递阶熵计算元胜任力值,验证了元胜任力模型在实际工作中具有有效性和可行性,为提升人力资源效用提供了科学依据.     

基于单边带OOFDM的TDM/WDM-PON

文章首次提出了基于单边带光正交频分复用（OOFDM）的TDM/WDM-PON方案并建立了一个通道的系统模型。下行采用80Gbit/s的单边带OFDM信号,节约WDM通道带宽资源,减小色散的影响,OLT调整各ONU的子载波个数即可实现动态带宽分配。上行采用20Gbit/s的NRZ信号。利用半导体光放大器（SOA）的增益饱和特性实现了ONU的无色管理。对系统模型进行了仿真,并对结果进行了分析。     

空间非合作目标的多视角点云配准算法研究

为了提高相邻视角间稀疏扫描点云数据配准的速度和精度,实现多视角点云精确配准,提出一种基于KD Tree点云均匀采样简化算法,并且对传统四点算法（4 PointsCongruentSetsAlgorithm,4PCS）中的阈值参数进行了统一,确定了各误差阈值参数和点云密度之间的关系,通过基于姿态校正的方法有效解决了对称视角点云引起的误配准问题。仿真结果表明,该方法能够快速、有效地实现卫星稀疏点云的配准。     

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

双三角机翼前缘涡襟翼的试验研究

通过风洞试验对双三角翼的内涡襟翼及外涡襟翼进行了研究。探讨了影响涡襟翼效率的各种因素及其规律,其中包括机翼前缘区状态、涡襟翼形状、涡襟翼偏度、内、外涡襟翼的搭配以及后缘襟翼效率等。尤其是根据内外翼涡场的不同研究了复合平面形状机翼内涡襟翼与外涡襟翼设计上的特点,为设计双三角翼的涡襟翼提供了参考数据。研究结果表明,正确设计前缘涡襟翼与后缘襟翼可以优化大后掠双三角机翼的低速性能。     

基于离散小波变换的北方寒区年降水量多时间尺度特征分析

为深入剖析这种多层次时间尺度结构和局部化特征,本文以北方寒区典型城市哈尔滨市为例,运用小波理论,采用morlet小波函数对年降水量序列进行离散小波变换,进而分析其多时间尺度特性,揭示年降水量在不同时间尺度下的小波变换时频特征、丰枯交替变化的周期规律以及未来的发展趋势,为制定科学合理的用水制度提供一定的参考依据。研究结果表明:不同的时间尺度分辨率下,哈尔滨市年降水量序列会表现出不同的周期交替现象,主要存在3,16和28 a左右的周期。