基于模糊推理Petri网的A320飞机偏航阻尼系统

分析了普通Petri网和模糊推理Petri网的特点,采用形式化的极大代数矩阵算法,利用模糊推理Petri网描述并发系统的能力,对飞机偏航阻尼系统的故障建模并分析,得到各级故障发生的概率,用以指导飞机维修中的故障排除,既有严格的数学理论基础,又能准确描述故障之间的关联,也利于计算机编程实现。     

一种估计飞行器运动特性的实用极大似然法

飞行器运动特性受非线性因素和随机噪声的影响,给气动系数,飞行稳定性与操纵性指标的结构模型辨识带来许多困难。为了解这个问题,首先提出了使用极大似然估计法,以提高辨识效率。接着建立了基于飞行器运动固定型数学模型下的极大似然函数,并给出了一种实用极大似然算法及其实现。     

NOMA异步干扰消除技术

由于NOMA(Non-Orthogonal Multiple Access,非正交多址接入)技术能够提高系统的吞吐量和频谱效率,因而在空间信息传输中具有广阔的应用前景.针对N O MA在传输过程中必然面临的同步问题以及不同用户信号间的彼此干扰问题,提出了N O MA异步干扰消除方案.首先采用过采样使得输出符号之间的噪声分量彼此独立,然后利用过采样输出序列间良好的结构性,分别采用SIC(Successive Interference Cancellation,串行干扰消除)、BP(Belief Propagation,置信度传播)、MLSD(Maximum Likelihood Sequence Detection,最大似然序列检测)等对采样输出的序列进行信号检测.仿真结果表明,符号异步NOMA相比于同步NOMA具有更好的误码性能.     

相关系数ARMA(p,q)序列分析方法

本文提出相关系数ARMA(p,q)序列分析方法。相关系数ARMA(p,q)序列是从非平稳序列中分离出的一类工程上常见且便于研究的时间序列,在模式识别、故障诊断、信号处理、自动控制和结构响应分析等领域有着广泛的应用。传统的相关函数ARMA(p,q)序列仅是它的一个特例。文中建立了相关系数ARMA(p,q)序列的条件极大似然估计和精确极大似然估计,前者在样本较大时简单便于工程应用,后者则在样本较小时仍具有较高的精度,它们通过时域的全程分析,充分利用样本信息确定相关系数ARMA(p,q)序列的均值函数、方差函数和相关系数函数。在此基础上可进行高精度的频谱分析。     

非等间距相关系数平稳序列分析方法

工程实际中由于数据缺损或受测试条件所限,常常得到非等间距的时间序列。而传统的时序分析方法只适用于等间距采样的数据,目前工程上对这类问题通常采用插值等近似处理方法,这往往导致较大误差。本文提出非等间距相关系数平稳序列的概念,建立了非等间距相关系数平稳序列自回归模型,给出了非等间距相关系数AR(p)序列的精确极大似然估计和条件极大似然估计,能够高精度地确定非等间距序列的均值函数、方差函数和相关系数函数。      

多传感器数据融合中的数据配准研究

数据配准是多传感器数据融合的先期处理过程。本文在研究了传统的最小二乘算法的基础上，提出了基于三维坐标系中的极大似然配准算法，解决了最小二乘配准算法对于传感器相距较远时无法解决的问题。最后通过计算机仿真证明了此算法的有效性。     

极大似然法对比试验研究及其试验数据处理

 基于中值Ｓ－Ｎ曲线的三参数幂函数式，根据极大似然原理，分别给出了测定Ｐ－Ｓ－Ｎ曲线的单点试验、成组试验和单点－成组试验结果的Ｐ－Ｓ－Ｎ曲线公式。并进行了对比试验，使用文中方法统计分析试验数据，发现单点法、单点－成组法及成组法测定出的Ｐ－Ｓ－Ｎ曲线较接近。由于单点法能够大量节省试样，且能保证一定的精度；因此它适合构件和模拟件Ｐ－Ｓ－Ｎ曲线的测定     

极大似然法在飞机起飞性能参数辨识中的应用

以Y12飞机起飞性能飞行试验实测数据为例,研究了利用极大似然法进行飞机起飞性能参数辨识的问题。首先通过理论分析建立了Y12飞机双发起飞性能数学模型;然后从简化灵敏度导数计算角度提出了以飞机在起飞滑跑过程中速度增量为观测量的观测方程,分析给出了待辨参数和利用极大似然法进行参数识别的方法;最后针对极大似然法的几个要素,如迭代初值、代价函数、迭代次数、样本长度、试验数据段的选取等对辨识结果的影响进行了讨论和分析。结果表明,利用极大似然法可以快速、准确地辨识出起飞性能所需的参数,并具有较高的精度,在今后的性能飞行试验数据分析中应注重推广和应用。     

一种考虑传感器位置误差的改进源定位算法

在无线传感器网络的定位问题中,通过移动目标与传感器之间的到达时差(TDOA)与到达频差(FDOA)测量量可以估计目标的位置和速度。但是,当传感器自身信息存在误差时,传统的定位方法将失去精确的定位效果。针对带有传感器误差的源定位问题,基于极大似然(ML)法获取一个封闭的近似解。提出了一种改进的近似极大似然(AML)算法,更新带有传感器误差的代价函数,不仅能实现实时定位,而且保证全局收敛。仿真结果表明,本文算法在存在传感器误差场景下依然可以达到克拉美-罗下限(CRLB),比已有的改进两步加权最小二乘(2-step WLS)法更有效。     

独立指数分布期望参数的Γ极小极大估计

在参数的部分先验信息已知的条件下所获得的Γ极小极大估计是一种介于有确定的先验分布函数的Bayes估计和无先验信息的极小极大估计之间的估计方法,因而更切合实际.以往的研究对二项分布参数的线性组合及负二项分布的参数在某些限制条件下的Γ极小极大估计做了讨论.本文给出了独立指数分布的期望参数在一般的先验矩限制下的Γ极小极大估计,同时讨论了两种特殊情况,即给出了在仅有先验二阶矩限制下的以及有确定的先验一阶矩和二阶矩限制下的指数分布的期望参数的Γ极小极大估计.