基于信息辅助块稀疏贝叶斯学习的直扩通信窄带干扰抑制

现有基于Nyquist-Shannon采样定理的窄带干扰(Narrowband Interference,NBI)抑制方法存在应用受限于采样率较高的问题。应用压缩感知(Compressive Sensing,CS)理论解决上述问题,利用NBI在频域表现出的块稀疏特性以及直接序列扩频(Direct Sequence Spread Spectrum,DSSS)信号的类噪声特性,提出了基于块稀疏贝叶斯学习(Block Sparse Bayesian Learning,BSBL)框架的DSSS通信NBI抑制模型。实现干扰抑制后,利用传统的CS重构算法实现DSSS信号的压缩域解调。为进一步提高算法性能,将NBI稀疏分块的块内自相关矩阵建模为单位矩阵,提出了信息辅助BSBL(Aid BSBL,ABSBL)算法,设计了基于ABSBL的DSSS通信NBI抑制算法。该算法在保持较好NBI抑制性能的条件下,提高了运算效率并且不依赖NBI的稀疏结构。仿真验证和对比分析结果表明,所提方法能够有效抑制DSSS通信中的NBI,在干扰强度相同的条件下,NBI带宽越小、压缩率越大,算法对NBI的抑制性能越好。     

数据挖掘技术在突发事件应急系统中的应用与研究

处理突发事件需要多个部门相互合作,现阶段,针对信息的共享以及综合利用还存在欠缺,尤其是多维属性的数据方面。本文针对城市突发事件应急系统中的数据挖掘技术进行研究。     

关联规则算法在卫星定位精度考核中的比较分析

卫星导航系统在役考核应用中,关联规则分析作为数据挖掘中一种有效的数据分析处理技术,可以总结内在规律知识,评估历史数据和当前各指标的关联关系。针对卫星导航系统在役考核中影响定位精确度的关联因素过于冗余和复杂的问题,通过Xgboost对12项相关指标重要性进行排序,筛选出与定位精度联系更为密切的指标进行分析。重点从挖掘规则的有效性和时效性两个方面进行对比分析,实验设置最小支持度为0.05,最小置信度为0.8。结果表明,挖掘范围无论是全指标集(全域)还是与定位精度相关程度更高的指标集(精简域),Apriori算法挖掘关联规则数量比FP-Growth算法挖掘的更多,但时效性明显不及。同时发现,在精简域两种算法得到的满足支持度和置信度且以定位精度为结论的规则完全相同,说明了两种方法的可用性和有效性,也从关联规则的角度为卫星导航系统在役考核的定位精度分析提供了参考。     

基于混合特征选择算法的装备性能评估与故障诊断

通过准确识别装备故障或异常行为进而有效评估装备性能是在役考核重要内容之一。针对航空航天装备系统不断暴露出的许多故障,如子系统性能退化、传感器故障、信号连接丢失或元器件损坏等,提出一种混合特征选择算法,该方法分为特征选择和故障分类两个步骤。采用K-means算法对和声搜索算法、遗传算法和粒子群优化算法的几种组合进行特征选择,选取最优的特征子集作为性能评估与故障诊断的指标集合,在NASA开源的基准数据集PHM08与GEO卫星电源系统仿真数据集上对所提方法进行验证和评估,实验结果验证了该方法的有效性和优越性。     

基于北斗卫星导航系统非组合精密单点定位算法的精密授时精度研究

全球导航卫星系统(GNSS)精密单点定位(PPP)技术具有操作简单、成本低廉、定位精度高等优点,在精密授时领域得到了广泛应用。针对现有研究中消电离层PPP模型的组合噪声大、卫星系统多采用全球定位系统(GPS)及实时动态场景少等问题,该文采用非组合PPP模型对北斗卫星导航系统(BDS)精密授时精度开展了研究,并利用Kalman滤波静态模型和动态加速模型进行参数估计。给出了静态和实时动态场景PPP处理策略,并利用超快速预报星历保证动态实时性。结果表明：在静态和实时动态条件下,非组合PPP模型精密授时精度均优于消电离层组合PPP模型;在静态条件下,考虑到BDS和GPS定位精度相当,且亚太地区BDS定位精度更高,BDS授时精度略高于GPS;在实时动态条件下,BDS和GPS精密授时精度在2 ns以内,但BDS授时精度略低于GPS,这是由于空间位置精度因子(PDOP)、载体速度突变和环境因素等的影响,而当完成收敛后,两种系统的授时精度相当,其钟差项中误差均在0.3 m以内。