机载火控系统动态精度分析模型研究

指出当前武器系统精度分析技术相对滞后,针对机载反舰导弹火控系统的动态精度试验和数据的分析处理,提出一种武器系统火控动态精度分析新方法。通过分析火控系统动态精度试验的误差数据,建立动态误差数据序列的AR模型,引入时间序列判别函数对火控系统精度进行判定。对试验数据建模时,根据对火控动态精度误差数据的分析,分别基于高斯平稳随机假设和非高斯随机假设建立AR模型,两种模型性质不同,后者采用高阶累积量估计模型参数。该方法与常用的3σ检测准则相比,充分利用参照系统的数据和全面考虑测试数据的分布类型,能比较准确地评估系统动态精度。     

机载火控系统动态精度试验数据处理方法研究

动态精度试验是指在目标和飞机处于相对运动的状态下,检查火控系统输出值相对标准值的误差。根据机载火控系统和雷达观测的数据,基于时间序列建模的理论,采用matlab仿真的方法对火控精度进行了测定。结果表明这是一种有效、简洁的方法。     

机载火控系统远程测试的研究

传统的机载火控系统性能测试技术含量低,不能满足现代战争的需要.为提高部队的快速反应能力,研制了一种基于VXI总线技术组建的机载火控系统远程测试装置,并给出了测试仪的硬件配置和在Lab Windows/CVI环境下的软件模块化设计方案及实现方法.机载火控系统远程测试装置的研制,为部队战时或训练现场实时远程测试机载火控系统的主要性能提供了方便.[关键词:机载火控系统,远程测试,VXI总线     

机载火控系统气压高度和真空速的修正

本文给出了一种由空速系统延迟修正量对机载火控系统气压高度和真空速进行修正的公式,计算了典型条件下的修正值,并对修正结果进行了分析,最后对修正公式进行了简化。     

用于支持机载火控系统联试的雷达模拟器

描述了用于支持机载火控系统联试的雷达模拟器,它不但能够仿真机载火控雷达的各种基本工作方式和数据处理算法,还能够产生机载火控雷达与其它火控子系统的接口数据和时序关系,支撑机载火控系统的调试,从而提高整个航空电子系统的研制效率.     

基于时间序列分析的纪特邮票发行量预测

在调查了国家邮政局在纪特邮票发行过程中的具体操作和分析了纪特邮票数据本身的特点后,采用社会统计学中的时间序列分析法分析了我国近20年来纪特邮票预定量数据,提出了3个纪特邮票预定量的数学模型,预测了今后几年纪特邮票预定量数据。通过对数学模型的求解,获得一些纪特邮票发行内在规律,而这些规律对决策结构在决策过程中有一定的参考作用。     

基于随机Transformer的多维时间序列异常检测模型

针对已有基于变分自编码器（VAE）的多维时间序列（MTS）异常检测模型无法在隐空间中传播随机变量间的长时依赖性问题,提出了一种融合Transformer编码器和VAE的随机TransformerMTS异常检测模型（ST-MTS-AD）。在ST-MTS-AD的推断网络中,Transformer编码器产生的当前时刻MTS长时依赖特征和上一时刻随机变量的采样值被输入多层感知器,由此生成当前时刻随机变量的近似后验分布,实现随机变量间的时序依赖。采用门控转换函数（GTF）生成随机变量的先验分布,ST-MTS-AD的生成网络由多层感知器重构MTS各时刻取值分布,该多层感知器的输入为推断网络生成的MTS的长时依赖特征和随机变量近似后验采样值。ST-MTS-AD基于变分推断技术学习正常MTS样本集分布,由重构概率对数似然确定MTS异常片段。4个公开数据集上的实验表明,ST-MTS-AD模型比典型相关基线模型的F1分数有明显提升。     

基于LSTM混合模型的时间序列预测

网络流量分析和预测已经成为监控网络的关键。网络预测是捕捉网络流量并对其进行深入研究以决定网络中发生的情况的过程。网络流量的分析和估计的准确性在实现网络服务质量(QoS)的保证方面越来越重要。研究通过将LSTM和ANFIS相结合的形式构建LSTM-ANFI模型,提高网络流量预测性能。实验结果表明,LSTM-ANFI模型在网络流量的预测方面具有一定优势,通过模型对比不难发现该模型优于单一的LSTM和单一的ANFIS模型。就相关指标而言,提出的增强型LSTM R297.95%和增强型ANFIS模型的经验结果是R2=96.78%,适用于蜂窝网络流量数据。     

提高火控系统精度的措施--预测跟踪

详细介绍预测跟踪系统中计算机控制跟踪的原理、数学模型和实现方法，以及针对近程以雷达为主要观测手段的小高炮火控系统的滤波算法。     

一类时变时间序列模型的参数估计研究

根据对一类时变时间序列模型结构特点的研究，提出了一种时变ＡＲ模型的递推参数估计算法。其原理是将时变参数的估计转化为对状态方程的状态估计，采用卡尔曼滤波推导出参数估计递推公式，并研究了其渐近稳定的充分条件。     

基于SPSS时间序列法对甲状腺疾病建模研究

收集不同城市的三家甲级医院在7年时间(2006—2012年)的所有甲状腺疾病的患者的病案数据进行整理和统计分析。利用SPSS时间序列方法建立合理的统计模型。从患者的性别、年龄和职业等常见的非生理性指标因素入手,研究甲状腺疾病的发病态势,获取甲状腺疾病的干扰因素。建立时间序列预测技术中最全面、最有效的统计方法之一——ARIMA模型,达到对疾病的预防和防控的目的。     

基于时间序列自适应建模的粒子滤波动态目标跟踪

在目标跟踪中为达到目标的运行模型与实际轨迹相符,本文提出基于时间序列自适应建模的粒子滤波算法（TS_PF）。采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计。仿真实验表明在粒子滤波算法中采用时间序列自适应建模,能够...     

基于非平稳时间序列的陀螺漂移性能建模与预测方法研究

研究了利用Kalman滤波和小波分析两种方法对陀螺漂移非平稳时间序列建模预测的基本思想和具体算法。实验证明,这两种方法较传统的差分法优越,可以很好地完成非平稳时间序列的建模预测,并且通过比较分析了它们各自的优缺点,为选用合理的建模方法提供了依据。     

利用遗传优化算法的混沌时间序列建模

提出一种利用遗传算法对混沌数据序列建模的全局建模方法，可获得接近原始混沌系统的映射。该方法利用遗传算法同时进行函数拟和与参数优化。实验结果表明该方法有较好的建模效果，对用于短波通信的有关电离层参数预测显示了满意的结果。     

基于小波时间序列分析的电子银行风险预测

根据电子银行风险数据具有时间序列的特点,又根据小波变换分解时间序列的原理和优点,给出了利用小波变换预测电子银行风险的模型和算法,并通过实例验证了模型和算法的有效性和优越性。     

基于时间序列聚类的多雷达数据融合

针对多雷达数据融合问题，提出了基于时间序列的聚类算法，用于实现航迹相关，即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时，部分来自不同目标的数据可能比来自同一目标的数据更接近，易导致关联错误，为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果，应用卡尔曼滤波器实现滤波跟踪，在不同的情况下仿真后发现，在跟踪目标较少且相互位置较远的情况下，两种算法均有效，在跟踪目标较多且相互位置靠近的情况下，基于时间序列的模糊聚类算法更有效。     

基于混沌时间序列的电力月负荷预测

采用一种基于混沌时间序列的负荷预测方法进行月用电量的预测。这种方法可以不考虑气候等因素，仅利用电力负荷的历史数据计算来进行预测，就可以得到较高的预测精度。     

基于混沌时间序列的短期电力负荷预测

针对电力系统负荷的复杂性及非线性,提出了结合混沌的思想,充分利用数据信息,在重构相空间的基础上对负荷进行预测.结合混沌理论,采用加权一阶局域法建立了电力负荷预测模型,并进行了实际预测,取得了满意的结果.