激光雷达信号随机误差的估算

在分析随机误差来源和激光雷达数据特点的基础上,介绍一种新的随机误差计算方法——噪音比例因子方法.该方法用一次测量数据列中远处背景信号算出噪音比例因子,再由噪音比例因子求出任一距离上有用信号的随机误差.用实测的激光雷达信号进行检验,结果表明,这种方法是可靠且可行的.     

置信椭圆在能力验证中的应用

能力验证是判断和监控检测/校准实验室能力的有效手段,同时也是评价实验室技术能力的重要依据之一。为更好地考核实验室技术能力,能力验证样品通常设计成分割水平样品,即组织者为每个参加能力验证的实验室提供两份目标值水平略有差     

基于小波变换的MIMU随机误差建模

微机电惯性传感器的输出具有噪声大、漂移强的特性,因此必须建立合理的随机误差模型,以便使用滤波算法进行补偿,减小其对系统精度的影响。本文使用艾伦方差分析法分析了ADI公司的MIMU——ADIS16355的静态输出信号,指出按照自相关特性,可以将微机电惯性传感器的随机误差分为白噪声成份和有色噪声成份,并基于此提出了基于小波变换的噪声分离预处理和AR时间序列建模算法的微机电惯性传感器随机误差复合建模方法。使用该算法对ADI公司的微机电惯性测量单元ADIS16355进行了随机误差建模,得到了该MIMU的AR时间序列随机误差模型。仿真结果表明,相较于传统的一阶马尔科夫近似随机误差模型,基于小波变换的AR时间序列随机误差建模方法能够有效滤除白噪声对于时间序列分析建模的影响,获得精度更高的随机误差模型。     

用药利弹簧秤测液体表面张力系数的研究

通过具体示例对用药利弹簧秤测量液体表面张力系数时存在的约利弹簧征系统误差及随机误差进行分析并给出消除和减小误差的方法。     

折射率调制深度误差对切趾啁啾光纤光栅特性的影响

从耦合模方程出发,用一种矩阵方法分析了折射率调制深度误差对切趾啁啾布拉格光纤光栅传输特性的影响。结果表明：折射率调制深度误差的分布频率越高,光栅传输特性受到的危害越小;误差平均幅值越高,光栅传输特性的劣化程度越大。因此,在光栅的制作过程中,应注意避免和减小高幅值误差,并注意减少低空间频率分布的误差。     

半参数回归模型小波估计的稳定地依分布收敛性--误差为鞅差序列情形

考虑半参数回归模型yi=xiβ g(ti) gi，1≤i≤n，其中β∈R为未知参数，g(t)为[0，1]上的未知Borel函数，xi为R上的随机设计，随机误差序列{gi，1≤i≤n}为鞅差序列，{ti}为[0，1]上的常数序列．本文用小波的方法得到β及g(t)的估计β^∧、g^∧(t)，并研究了√n(β^∧-β）稳定地依分布收敛于其准分布函数G．     

导向向量随机误差修正的稳健波束形成

当导向向量同时存在导向偏差和随机误差引起的畸变时,现有针对导向偏差的稳健波束形成所估计的导向向量偏离真实值。针对该问题,提出了导向向量随机误差修正的稳健波束形成方法。将导向向量分为预定义观察扇面特征子空间内外两部分,通过导向向量估计的稳健波束形成方法估计导向向量在预定义观察扇面特征子空间内的分量,在此基础上进一步增加不确定集约束,对导向向量在预定义观察扇面特征子空间外的分量进行修正,从而提高导向向量的估计精度。理论与仿真研究表明:与针对导向偏差的稳健波束形成相比,在同时存在导向偏差和随机误差的情况下,所提方法输出信干噪比不变,而其导向向量估计精度更高,导向向量波束响应的峰值是目标方位的无偏估计。进一步的海试数据分析表明:所提方法在低信噪比下较已有方法具有更好的稳健性。     

Relations among homogeneity,collapsibility and nonconfounding in distribution effects

In this paper, the concept of distribution effect is proposed without the causal diagram. Following the notation of Stone [11], we assume that the exposure treatment X is an unknown deterministic function of the confounder set Pa(X) and a random error ε. We discuss sufficient and necessary conditions for homogeneity, collapsibility and nonconfounding for distribution effects and discuss relations among them.     

TESTING OF CORRELATION AND HETEROSCEDASTICITY IN NONLINEAR REGRESSION MODELS WITH DBL（p,q, 1） RANDOM ERRORS

Chaos theory has taught us that a system which has both nonlinearity and random input will most likely produce irregular data. If random errors are irregular data, then random error process will raise nonlinearity （Kantz and Schreiber （1997））. Tsai （1986） introduced a composite test for autocorrelation and heteroscedasticity in linear models with AR（1） errors. Liu （2003） introduced a composite test for correlation and heteroscedasticity in nonlinear models with DBL（p, 0, 1） errors. Therefore, the important problems in regression model axe detections of bilinearity, correlation and heteroscedasticity. In this article, the authors discuss more general case of nonlinear models with DBL（p, q, 1） random errors by score test. Several statistics for the test of bilinearity, correlation, and heteroscedasticity are obtained, and expressed in simple matrix formulas. The results of regression models with linear errors are extended to those with bilinear errors. The simulation study is carried out to investigate the powers of the test statistics. All results of this article extend and develop results of Tsai （1986）, Wei, et al （1995）, and Liu, et al （2003）.     

基于遗传小波神经网络的MEMS陀螺误差建模

研究了一种基于遗传算法改进的小波神经网络.该方法采用小波神经网络为主要逼近手段,并通过遗传算法优化网络的关键参数.由于小波神经网络兼容了神经网络的自学习特性和小波分析的时-频局部性,而遗传算法具有较强的全局搜索能力,二者结合形成的遗传小波神经网络因此具有较高的逼近与容错能力,从而弥补了传统的方差建模方法的不足.将该算法应用到某型MEMS陀螺仪的随机误差建模中,结果表明:遗传小波网络对原始信号的逼近精度误差在以内,较之传统的方差建模方法有了显著的提高,这一精度基本上可以满足MEMS陀螺工程化应用的要求.