基于能量检测法的统计特性分析

能量检测法是一种适用范围广泛的信号盲检测方法,而统计特性分析的准确估计是其应用的基础和前提。针对其检测量的统计特性分析,通过系统分析和理论推导,发现在仅有噪声输入的情况下,检测量服从卡平方分布;信号加噪声输入时的检测量服从非中心卡平方分布。最后利用详细的仿真分析验证了检测量统计特性分析的正确性,为能量检测法的应用提供了参考和依据。     

ADS-B统计数据的位置导航不确定类别质量分析

为实现广播式自动相关监视(ADS-B)航迹与雷达航迹的高质量融合,必须对ADS-B航迹和雷达航迹数据质量进行分析。在分析实际ADS-B航迹数据的基础上,提出以航路为参考基准验证ADS-B航迹数据精度及完好性的方法。根据ADS-B报文中的位置导航不确定类别(NUCp)值,统计航迹点与航路中心线的水平偏差并将其作为位置实际误差,运用分位数-分位数图法对位置实际误差进行正态分布检验,得出置信水平为99%的实际误差置信区间,即在不同NUCp值下可信赖的位置误差范围。实验结果表明,在采用加权平均法进行航迹融合时,与传统权重分配相比,对于NUCp值为5或6的ADS-B航迹数据可增大权重,而对于NUCp值为7的数据则应减小权重。     

小卫星太阳电池阵结构声振响应分析研究

针对高频段太阳电池阵结构声振问题求解中的结构模态参数不确定性,文章从统计模态和能量平衡的角度出发,深入研究了复合材料面板太阳电池阵夹层结构的统计能量分析参数确定及功率流模型创建方法,并快速得到了太阳电池夹层结构的声振响应。对比分析与试验结果,发现二者吻合很好,因而验证了该声振响应分析方法用于小卫星太阳电池阵结构的有效性,并可作为小卫星工程研制中太阳电池阵结构动力学分析的有益补充。     

基于差分递减权系数的加权Q控制图

Q控制图的异常检出时间远长于参数已知时控制图的异常检出时间,对此提出了一种加权Q控制图方法.基于单容量样本度量和多容量样本度量,分别给出了相应算法,对算法的正确性给出了数学证明.加权Q控制图方法根据差分递减的权系数构造加权Q控制图的Q统计量,随后对该Q统计量使用Q控制图进行异常分析.仿真结果表明:加权Q控制图的异常检出时间短于Q控制图的异常检出时间,且与参数已知时的控制图的异常检出时间相差不大,综合考虑实用性和检测灵敏度这两个指标,加权Q控制图优于Q控制图和参数已知时的控制图.     

基于修正模型的自适应跟踪算法

提出一种基于修正模型的自适应跟踪算法（CSM-AKF）。通过状态扩维和机动检测实现模型参数的自适应调整,克服＂当前＂统计（CS）模型中参数预设的负面影响,提高了系统的跟踪精度以及目标在做强机动时的快速响应能力。仿真结果验证了算法的有效性。     

LIPS-200离子推力器非预期电击穿特性的初步分析

离子推力器的非预期电击穿现象直接影响其工程应用的工作可靠性,基于地面寿命试验中比较完整的非预期电击穿事件基础数据,采用基础数据对比分析、威布尔模型统计分析、因果关联推断与分析等方法,对LIPS-200离子推力器在地面12000 h寿命试验中的非预期电击穿现象进行了初步研究,获得了平均击穿频次、击穿事件的时间分布、分类统...     

LC4铝合金服役环境下点蚀形貌特征及其演变规律

为获取飞机LC4铝合金在服役环境下典型点蚀形貌特征,采用模拟服役环境的加速腐蚀实验环境谱对材料试件进行加速腐蚀实验,定义3个参数蚀坑深度H、蚀坑表面长度L、蚀坑表面宽度W为表征蚀坑形貌特征参量,跟踪测量典型蚀坑不同腐蚀年限下此3个特征参量数值,获取典型蚀坑形貌特征参量数据检测结果。在此基础上,对检测结果分别采用统计分析和分形理论方法进行数据分析,获取LC4铝合金同一腐蚀年限下和不同腐蚀年限下典型点蚀蚀坑的形貌特征及其演变规律。结果表明:同一腐蚀年限下,点蚀蚀坑形貌特征参量符合对数正态分布;随着腐蚀年限的增加,点蚀蚀坑形貌特征参量逐渐体现出明显的分形特征,蚀坑形貌逐渐趋向坑深度较浅、坑表面长度较长、坑表面宽适中的特征。     

高校贫困生感恩教育的统计分析

"羔羊跪乳,乌鸦反哺","喝水不忘掘井人",说的都是感恩之情,每一个幸福的人都会有一颗感恩的心.但在国家、社会和学校不断加大对贫困生资助力度(CCTV-1新闻联播2009 年5月21日,今后国家每年用于助学的财政投入、助学贷款经费将达到500亿元)的同时,却出现了许多贫困生感恩意识淡漠、缺少社会责任感的现象,成为构建和...     

加速寿命试验方法及其在航天产品中的应用

介绍了加速寿命试验方法的相关概念,总结了加速寿命试验方法的三种常用类型与特点,阐述了加速寿命试验方法的目的、原理、加速模型以及统计分析;并总结分析了国内外加速寿命试验方法在航天产品中的工程应用;最后展望了该研究领域的发展趋势。     

基于变量贡献率的MSPC异常识别方法

异常识别是多元统计过程控制(MSPC, Multivariate Statistical Process Control)方法有效应用的关键.针对现有研究对历史异常信息利用的不足,综合考虑了主成分变量贡献率与重构误差变量贡献率对异常识别的影响,将两种变量贡献率进行归一化处理并求和得到综合变量贡献率;提出了一种基于综合变量贡献率的MSPC异常识别方法,并基于matlab计算平台实现了该算法.通过田纳西过程故障模式仿真及异常识别,对该方法的应用及算法有效性进行了实例验证.