条件中位数L_1-模最近邻估计的渐近性质

本文在－混合随机变量的条件下，讨论了基于几个观察值的条件中位数的L1－模最近邻估计的渐近性质，得到了独立同分布时类似的结论．     

幽默漫画作品银魂 动漫大师全屏爽看

说到《银魂》,大部分看动漫的朋友们估计都会先将其归类到恶搞型的搞笑动漫中。确实,第一眼看去就是那样的日系幽默,总有种让人摸不着头脑的意味。但是,当我们在动漫大师里以全屏方式认真看时,就会发     

变电站谐波监测实时估计的优化

文中研究了传统变电站谐波实时估计的优化.文中以研究信噪比为优化准则,采用蒙特卡罗模拟方法计算信噪比临界值,使噪声对监测的影响最小.为了缓解传统变电站中传统状态估计器的偏态问题,将安装在变电站过程层的合并单元产生的高速测量值传输到卡尔曼滤波函数中,作为谐波估计的动态估计器.在一个基于Mat?lab/Simulink的仿真器模型中,建立了一个Matlab-MEX函数集合,实现了合并单元函数、A/D和D/A转换函数、网络通信函数以及内置Simulink模块库,并在XPC目标中运行,实时协同模拟任务的执行.文中给出了谐波估计受信噪比影响时的性能评价结果.     

有界随机测量时滞的网络控制系统的最优估计（英文）

在假设测量没有丢包的情况下,研究了带有随机测量时滞的网络控制系统的最优估计问题.利用已知的时滞分布概率,建立新的模型来描述随机时滞测量.进一步将带有时滞的测量等价成每个通道是单时滞的多通道测量,从而利用新息重组方法,通过求解黎卡提方程求解最优估计器.最后给出仿真实例验证了该算法的有效性.     

基于马氏距离和H-K聚类的空值估计研究

传统的基于欧氏距离和K-means聚类算法的空值估计算法容易因为欧氏距离对量纲的敏感性和初始聚类中心对K-means聚类效果的影响产生估值误差。将层次聚类算法和K-means聚类算法有机结合起来的H-K聚类算法克服了K-means算法对初始聚类中心的敏感性,从而改善了聚类效果。与欧氏距离不同,马氏距离可以避免量纲的影响。为此提出一种改进的空值估计算法,将H-K聚类应用到空值估计算法中进行聚类,在聚类时采用马氏距离代替欧氏距离,在聚类后使用多元线性回归法计算样本中的空值。实验结果表明改进后的空值估计算法使得估计值的绝对误差率(MAER)得到降低。     

基于局部45°原则的折线图坐标轴网格生成

坐标轴网格是辅助人们观察统计折线图的重要参考结构.文中研究了有利人们感知直线斜率的坐标轴标签.首先通过一系列用户实验探索折线图中网格局部长宽比对于估计线段斜率这一任务的影响,通过用户估计的倾斜角度与直线真实的倾斜角度的误差大小反映不同实验条件的影响程度.实验得出的结论是适当的网格密度、接近正方形的网格格子局部长宽比有利于准确的斜率估计.基于该实验结论,提出了新的为折线图数据自动生成坐标轴的算法,考虑最大标签、最小标签和间隔步长3个变量,参考前人关于标签简洁性、覆盖性、重叠程度的定义,将正方化的局部长宽比这一因素加入水平和垂直2条坐标轴的标签联合优化之中,该算法能够生成既美观又提高图形感知准确性的坐标轴网格.     

MEMS陀螺仪的稀疏冗余去噪

为了提高随钻测量过程中MEMS陀螺仪的测量精度,抑制振动信号等对陀螺仪漂移造成测量精度的影响,采用经验模态分解(Empirical Mode Decomposition,EMD)和压缩感知(compressed sensing,CS)的算法进行降噪.首先对MEMS陀螺信号进行EMD分解,利用连续均方误差(CMSE)计算两个连续重构陀螺仪信号的欧式距离,以此将分解得到的模态函数(IMFs)以高、低频的形式分离,剔除高频噪声模态的影响;构建冗余字典,使低频IMFs分量在该字典上稀疏表示,利用贝叶斯理论对优化剩余IMFs分量重构;同时,在该字典上添加一列误差补偿项,通过贝叶斯估计求得.最后将处理后的剩余IMFs分量和补偿项叠加重构.去噪前后,MEMS陀螺仪数据解算的方位角累积误差由11.8562°减小到0.4725°.仿真实验分析可知,该算法可有效去除陀螺仪信号中的噪声.     

一种基于并联机构的航天器姿态模拟装置的设计开发

航天器发射升空前进行地面测试和试验是航天器研制过程中的重要环节。文中针对一种基于并联机构的姿态模拟装置的设计开发,从位置分析、速度分析和虚拟样机的建造和仿真分析等方面对3UPS-PU并联机构进行研究,完成姿态模拟装置的设计,为航天器装配、试验和测试设备的设计提供一种新的思路。     

基于四元数解算陀螺仪姿态角算法的实现

采用四元数将三轴陀螺仪以及三轴加速度计的数据进行互补融合,讨论了四元数解算的设计过程,给出了相应步骤的详细代码.实验证明,该算法有效抑制陀螺仪的误差发散,并提高了系统的测量精度.     

多种类病毒相互作用下网络信道破坏程度估计

在多种类病毒的相互作用下,网络信道破坏程度呈现较强的非线性特点,不能准确约束病毒在相互作用下的破坏性.传统的网络破坏程度估计的过程中,仅仅以单一病毒破坏程度叠加的方式去计算参数,计算具有较强的主观性,没有准确描述不同病毒的破坏作用,对评估结果误差影响较大.为解决上述问题,提出一种基于粒子滤波算法的多种类病毒相互作用下网络信道破坏程度估计方法,利用欧式距离方法对全部病毒进行分类,获取不同类型病毒的网络信道破坏程度值.通过粒子滤波算法对单一个体约束的优势,将每一个不同类型的病毒看作一个粒子,并进行训练.根据训练结果,利用粒子滤波算法对当前时刻网络信道破坏程度进行估计,完成整体评估.实验结果表明,利用改进算法进行多种类病毒相互作用下网络信道破坏程度估计,能够有效提高估计的准确率.