两种群食饵-捕食者模型参数估计的数值微分法

给出了一种基于数值微分的两种群食饵-捕食模型参数估计的两阶段方法。该方法将参数的非线性最小二乘估计,转化为一个数值微分和一个线性最小二乘估计问题,具有计算简单快速的特点。数值算例详细分析了三种常见有限差分数值微分法及非线性最小二乘估计对参数估计精度的影响,结果表明提出的方法是可行的。     

扩展卡尔曼滤波估计载波参数的算法研究

提出了一种在接收信号幅度未知的情况下进行载波参数估计的扩展卡尔曼滤波算法,该算法把信号幅度及伪码自相关的乘积作为一个独立变量和载波相位、频率一起组成状态向量进行扩展卡尔曼滤波。理论分析表明该算法本质上是具有可变增益的幅度锁定环和相位锁定环的联合估计,并给出了稳态时环路闭环传输函数和等效噪声带宽的解析表达式。仿真结果表明该算法在高低信噪比下,均具有较高的估计精度和较快的收敛速度。     

Logistic模型的参数估计及人口预测

用数值微分和线性拟合化技术对Logistics模型进行了参数估计,由此检验了2005~2007年中国总人口数的误差情况,其中2007年用相关参考文献的等差参数估算方法所得结果的相对误差为5.58%,而本文参数估算所得结果的相对误差为0.114‰,预测取得了理想的效果.     

基于粒子滤波的全息检测技术的研究

在日益复杂的电磁环境下,提高侦测系统的性能一直是研究的重点。针对侦测系统性能低这一背景,提出一种基于粒子滤波算法的全息检测器。该方法以接收信号的幅度、载波频率、相位、来波方向为待估计参数矢量,应用粒子滤波算法实现对数字信号的全息检测。     

基于对称相关法的低信噪比信号时频分析

为了提高时频分析方法在低信噪比条件下的性能,分析了对称相关(SC)法在信号去噪中的优越性能,运用SC对预处理信号进行去噪处理,再进行时频分析.仿真结果表明,该方法可以显著提高低信噪比条件下的时频分析性能并具有更高的准确性;当信噪比低至-15 dB时,相对传统小波去噪方法,运用SC法估计初始频率和调频率的准确率仍能达到95%以上.     

循环谱相关方法在调制信号参数估计中的应用

通信过程中的调制信号具有循环平稳特性,本文通过分析调制信号的循环谱相关特点,提出了利用循环频率谱峰的位置与大小来估计调制信号载波频率和码元速率的方法,给出了具体的实现步骤,实验结果表明该方法在信噪比较低的情况下仍能完成对调制信号参数的估计。     

基于WVD改进算法的跳频信号参数估计

针对平滑伪维格纳分布（SPWVD：SmooLhedPseudoWigner—VilleDistribution）在跳频信号参数估计中存在的分辨率下降和运算量过大等问题,提出基于sTfTr（Short—TimeFourierTransform）与WVD（Wigner—VilleDistribution）的联合算法（STFT—WVD）,实现了跳频周期、跳变时刻和跳频频率等参数的盲估计。在参数估计的过程中,STFT—WVD算法有效地抑制了WVD的交叉干扰项,保持了WVD较高的时频分辨率,在运算量上和WVD相近,没有增加运算的复杂程度。仿真实验证明,STFT—WVD比SPWVD具有更好的整体性能,在信噪比优于-1dB时,能得到更为精准的估计值。     

一种光纤陀螺随机漂移的高精度建模方法

为减小光纤陀螺随机漂移,采用时间序列分析法对其进行ARMA模型辨识.提出一种全局最优的模型阶次搜索算法,将模型适用性检验方法中的BIC(Bayesian information criterion)用于模型阶次搜索,并采用Pandit-Wu建模思想,把二维搜索化为一维搜索,得到了模型阶次的一致性估计.提出了一种改进的U-C算法,并与长自回归模型计算残差法相结合共同估计模型参数.它将非线性参数估计过程转化为线性过程,使用了正置与逆置漂移时序参与估计,以前向和后向模型的滤波误差平方和最小为参数估计的指标,在p+1维空间中求极小值.采用上述方法确定的模型其残差标准差为0.002 4°,最大预报误差为0.011 2°,能准确预报光纤陀螺随机漂移趋势.     

高精度LFM信号参数估计

解线性调频方法是实际工程中常采用的一种估计LFM信号参数的方法,然而该方法需要对调频斜率在一定范围内搜索,运算量大。针对这个问题本文提出了一种改进算法,首先通过计算LFM信号瞬时自相关的FFT得到调频斜率的估计值,然后在此值附近作小范围精细搜索,从而获得高精度的参数估计值。该方法缩小了搜索的范围,在运算量减少的同时,提高了参数的估计精度。仿真结果表明了此方法的有效性。     

复合粒子群优化算法在模型参数估计中的应用

化工非线性模型的参数估计是较为困难的寻优问题，经典方法常会陷入局部极值。粒子群算法操作简便、容易实现且全局搜索功能较强，适用于非线性参数估计。但其参数值的确定与问题相关，若设定不当，会严重影响全局搜索的性能。今提出引入遗传算法，在粒子群算法的搜索过程中，逐代优选参数，包括惯性权值，加速常数，以此构建为复合粒子群优化算法。分析与测试表明，其全局搜索性能有显著改善。进一步的工作又将两种粒子群算法成功地应用于重油热解模型的参数估计。采用复合粒子群优化算法估计参数构建的重油热解模型，其预报相对误差比常规粒子群优化算法降低了8.97％，比简单遗传算法降低了23.21％，效果明显。