LINEAR PREDICTION APPROACH IN AIRBORNE ADAPTIVE ARRAYS

ＬＩＮＥＡＲＰＲＥＤＩＣＴＩＯＮＡＰＰＲＯＡＣＨＩＮＡＩＲＢＯＲＮＥＡＤＡＰＴＩＶＥＡＲＲＡＹＳＳｕＪｉｅ；ＬｉＣｈｕｎｓｈｅｎｇ；ＺｈｏｕＹｉｎｑｉｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＢｅｉｊｉｎｇＵｎｉｖｅｒ...     

基于BLACKFIN561的H.264视频编码优化

H.264视频压缩编码显示了强大的编码性能,较H.263和MPEG-4节省近50%的码率,但这是由H.264成倍增加的复杂度得到的。其代码容量和内存占用对硬件的存储器和计算能力提出了极为苛刻的要求,这就阻碍了其商用方案的发展。通过对H.264编码器的C语言级优化,使其对硬件的存储能力和计算能力的要求大大降低。在此基础上,利用Blackfin561的特性,再将代码进行汇编级优化,使代码更易于向DSP硬件平台移植。     

航天器热平衡试验中平衡温度的预测

利用航天器热实验的测点数据，采用最小二乘非线性回归来预测热平衡温度。结果表明，当工况进行到一定时间后，测点温度随时间的将进入稳定的指数规律，最小二乘非线性回归有可有效地预测热平衡温度，回归数据的选取对预测结果有影响。     

结合FMECA可靠性预计法

任何元器件的故障是以一定的故障模式表现出来的。当一个元器件以不同的故障模式发生故障时,设备产生的后果是不同的。结合FMECA(故障模式、影响及危害度分析)深入分析了故障模式的影响及其危害度,以提高可靠性预计的精度。 建立了结合FMECA可靠性预计模型。可预计产品的任务可靠度和致命故障间隔的任务时间。为便于推广,编制了相应的计算机程序并进行了实例运算。还对结合FMECA可靠性预计法和常规可靠性预计法进行了比较。     

双参数指数分布双样预测的Bayes方法

对双参数指数分布的无替换定数截尾的当前样本，本文给出了双样问题在无信息先验分布下的Bayes预测子与精确预测限，结果表明，此时的Bayes精确预测限与经典精确预测限是一致的，而预测子却不相同，并且数值例说明了这些方法。     

可靠性工程的若干方向

本文对可靠性工程的一些重要方向的研究情况进行了扼要的介绍与评述。这些方向包括复杂系统的可靠性综合，可靠性变动统计学，低可靠元件组成高可靠系统，含增长单元的复杂系统的可靠性综合．加速寿命试验，加速可靠性增长试验，产品寿命预测及发动机可靠性评估。     

基于预测的VBR优化带宽分配模型

研究 VBR业务的动态带宽分配问题。以往的 VBR动态带宽分配模型中多只注重对VBR业务的预测研究 ,而忽视分配机制对业务的 QOS参数影响。基于此 ,提出了一个优化的动态带宽分配模型。该模型在预测值的基础上 ,以信元丢失率最小为优化目标对系统的带宽资源进行了优化分配 ,并用随机优化算法求出最优带宽分配向量。与以往方案相比 ,最优化的带宽分配在信元丢失率上达到最优 ,有效地保证了业务 QOS参数。     

固体火箭发动机性能预示

编制了固体火箭发动机性能预示软件，以美国的ＡＩＭ发动机和法国的ＳＥＰ发动机为例进行了比冲预示，并与美、英、法、德、意等国软件的达到了国外同等水平的预示精度，可用于导弹总体设计、发动机优化设计。     

Comparing ionospheric models with mid-latitude ionosonde observations

The purpose of this research work is to validate the ionospheric models (IRI and CHIU) to assess its suitability and usefulness as an operational tool. The ionospheric model is a computer model designed to predict the state of the global ionosphere for 24 h. The scope was limited to conduct comparisons between the predicted F₂ layer critical frequencies (f₀F₂) against observed ionosonde data. The ionospheric prediction model (IPM) was designed to predict by using monthly median sunspot number, while the observation data are taken from two digital ionospheric sounding stations (Okinawa, 26.28N, 127.8E and Wakkanai, 45.38N, 141.66E) which lies within the mid-latitude region of the globe. Analysis of the f₀F₂ data from stations for year (2001) with high solar activity and year (2004) with low solar activity, four months (March, June, September and December) chosen based primarily on data availability. From results it seen that the ratio between monthly median predicted and observed f₀F₂ values for each model used in this research work and for the chosen months was nonlinear with local time, so the empirical formula for applying correction factors were determined, these formula can be used to correct the error occurred in predicted f₀F₂ value.     

基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间，提高空管部门间的协作效率，采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发，分析航空器在进近管制空域飞行时间产生差异的原因，提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签，基于提出的重要特征，采用岭回归、支持向量机、随机森林和神经网络算法，建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例，对4种机器学习模型进行训练、验证和测试，对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明，对于航空器进近飞行时间的预测，基于随机森林的模型表现出了最高的预测性能，模型的泛化能力最好、精确度高，回归效果越显著；进场状态是影响航空器进近飞行时间的最重要因素，而进场点和进场高度特征则对结果的贡献度最大。