L-可积函数的逼近定理

通常所说的函数逼近,或者是在C—范数拓扑下连续函数的多项式逼近,或者是在L~p—范数拓扑下L~p函数的多项式逼近,或者是在Sobolev范数(‖·‖_(H~(m,p)(Ω)))拓扑下用C~∞(Ω)(或C~∞(Ω))对于Sobolev空间H~(m,p(Ω))的逼近。而对于有界L—可积函数的多项式a·e(即几乎处处)逼近,至今未见有任何文献。本文则借助于实变函数的性质与连续函数多项式逼近的技巧来处理这一工作,而文中的主要结果(即定理1—3)正反映了这一尚未有过的工作。确切地说,本文首先利用L—可测函数的重要定理,把L—可测函数转化为连续函数,使(用多项式)a·e逼近成为可能;而后,再对连续函数将广义Jackson算子逼近的已知结果与相应技巧应用上去,得到一系列刻划逼近程度(即逼近阶)的渐近估计。     

递推的TLS参数估计方法及其在飞轮FDD中的应用

飞轮是很多卫星姿态控制系统中的重要执行部件，其星上自主故障诊断是一个很有意义的研究课题。本文根据飞轮系统的特点，在最小二乘（ＬＳ）参数估计方法的基础上提出了全最小二乘（ＴＬＳ）参数估计的递推形式，证明了它对飞轮参数估计的收敛性，并用于飞轮缓变故障的检测和诊断，取得了较好结果。     

TOFS:一种新的宽带源DOA估计算法

介绍了一种新的宽带源DOA估计方法:TOFS。与TOPS(投影子空间正交性测试)方法类似,该方法通过同时测试频域各频段噪声子空间与阵列搜索流型之间的正交性来进行DOA估计。作为对比,根据非相关MUSIC方法,提出了一种新的适用于宽带的非相关MUSIC方法,称为I-MUSIC方法。与宽带相关方法不同,TOFS方法不需要任何初始值的预估。与宽带非相关方法也不相同,TOFS方法同时测试各频段噪声子空间与阵列搜索流型之间的正交性。仿真了TOFS与I-MUSIC、CSSM、TOPS的性能比较。仿真结果表明,CSSM方法在低信噪比时有较好的性能,TOFS方法在中等信噪比以上时,有较好的性能。同时,TOFS方法避免了TOPS方法中常常出现的伪峰。     

非线性递推最小模型误差估计

基于最优控制理论和两点边值问题的不变式嵌入法，提出了模型不确定性非线性性系统递推最小模型误差估计，并推导了估计算法。仿真例说明，该方法是模型不确定性非线性系统状态递推估计的有效方法。     

带反馈分布式不同维传感器状态估计技术

论述了带反馈分布式信息融合系统中传感器观测维数不同时的状态估计方法。在多传感器系统中，目标的测量是在极坐标中获得，而数据处理通常是在直角坐标中完成。由于二维传感器不能获得观测目标的俯仰信息，其估计将会产生一定的动态误差。在分布式的信息融合系统中，各传感器需要将各自的局部估计送到融合中心进行统一处理。如果不适当地减小这种动态误差，必然将导致整个信息融合系统的估计精度下降。针对上述问题，文章讨论了如何利用系统反馈信息，减小二维传感器的局部估计误差，从而提高整个系统的估计精度。最后，给出了算法的仿真分析。仿真结果表明该方法能够有效地减小系统动态误差。     

固体火箭发动机地面试验性能参数测量不确定度评估

首先阐述了A类不确定度与B类不确定度的评估方法,进而讨论了单通道测量结果与多通道测量结果的评估方法,最后阐述了通过抽样试验获得的样本数据,估计总体的性能参数范围这一参数估计问题。     

一种新的实时参数估计方法

研究导弹控制系统仪器测试时动态模型的实时参数估计 ,利用递归傅里叶变换作实时数据分析 ,提出了一种基于线性状态空间模型的实时参数估计方法。实际应用表明该方法可以得到准确的模型参数估计和适当的误差边界 ,且计算量少、动态模型估计参数收敛性非常好。     

遗忘因子模糊自调整算法及在故障诊断中的应用

基于参数估计的故障诊断方法因为具有确定故障发生的时间、位置和程度的能力而越来越引起人们的重视。时变（快速的或慢速的）参数辨识是基于参数估计故障诊断方法的关键。本文根据系统的变化，基于模糊控制的原理自动调整遗忘因子，导出了一种实现比较简单，对参数的时变具有较高跟踪速度和跟踪精度的辨识方法。理论分析和仿真试验证实了该方法的有效性     

飞行实测数据相容性检验的三步法

本文指出了１９７７年Ｋｌｅｉｈ首先建立后被各国所广泛采用的相容性检验数学模型存在的局限性，详细地分析了其在飞行实测数据应用中的缺点及其适用性。给出了新的飞行数据鲁棒相容性检验三步法，采用数值稳定的快速三角化平方根分解滤波算法进行参数估计，仿真及实际应用五实了本文有效性。     

地形匹配系统中各项误差的等效噪声分析

本文提出了把航迹、航速和航向误差等效为附加的测量噪声的方法。用两种统计参数估计方法估计了等效测量噪声的均值和标准差。求出了这些数字特征与地形的起伏标准差、粗糙度以及航速、航向误差之间的定量变化关系,为工程设计提供参考和依据。