应用神经网络-时间序列预测路面平整度

以神经网络和时间序列分析方法为基础,采用零均值化、标准偏差预处理方法、规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对平整度非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合平整度预测的神经网络时间序列分析联合模型,并以江苏省某高速公路的平整度数据为例进行了预测分析。研究结果表明：新模型的预测精度高、实时可靠,可应用于实际工程。     

基于无碰撞区跳频码的准同步组网方案

根据无碰撞区(No Hit Zone,NHZ)跳频码的特点,提出了一种基于NHZ跳频码的跳频通信系统多址接入准同步组网方案.仿真结果表明,该方案保证了跳频系统工作在NHZ跳频码的无碰撞区范围内,有效地降低了系统的多址干扰,改善了系统的整体误码率性能,适合于多用户跳频通信系统.     

数据序列稳健分析方法中RYW估计及其收敛性

根据对Ｍ估计，ＬＳ估计及Ｙ－Ｗ估计的分析，提出一种新的稳健估计方法－ＲＹＷ估计，讨论证明了这各估计的渐近性质，结果证明了ＲＹＷ是一种行之有效的简明稳健方法。     

随机环境干扰下非线性时间序列的非常返性分析

非线性时间序列的一个典型模型为：Xn 1=T(Xn) en 1．本文在此基础上引入随机干扰，建立RENLAR时序模型：Xn 1=T(Xn) en 1(Zn 1)．利用一般状态空间的Markov链理论，建立该模型为非常返的充分条件．     

基于m序列调制的自适应音频数字水印算法研究

提出了一种基于m序列调制的自适应音频数字水印算法．该算法首先将视觉上可辨的二值水印图像降维为一维序列，再将水印序列伪随机排序并与m序列作扩频调制，最后对数字音频信号进行分段离散小波变换，把经过调制的水印信息自适应地嵌入到原音频信号小波分解中等尺度绝对值较大的分量上．仿真实验证明了算法的稳健性和不可觉察性．     

矢值序列空间ss（Fk）的一些几何性质

矢值序列空间ss(Fk）是Barach序列空间Ip（Ek）的重要推广，本文研究ss(Ek）的Schur性质、弱紧性以及（S）性质。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

基于组合预测方法的公路客运量预测

公路客运量预测是为了超前掌握公路客运量的发展趋势、特征和规律,有助于公路网的规划建设和管理。文章使用基于时间序列和回归分析的组合预测方法,对公路客运量进行预测。首先,分别使用单项预测方法进行客运量预测;其次,在对倒数权系数与合作对策权系数确定法进行改进的基础上,根据单项预测方法或者给予预权的组合预测方法的预测结果的平均预测误差绝对值和平均预测误差平方对预测组合的权重系数进行确定,并进行组合预测;最后,根据预测有效性判断标准,分别对比不同单预测方法之间、基于不同权系数确定方法的组合预测方法之间以及组合预测和单项预测方法之间的预测有效性。对比分析结果表明,组合预测方法预测结果的有效性较多数单项预测方法更优。     

一致L-Lipschitz映象对公共不动点的迭代逼近

Banach空间中非线性算子的不动点的迭代逼近问题是非线性逼近理论中所研究的最重要的问题之一。通常用Mann和Ishikawa迭代法去逼近非线性算子的不动点。本文研究了Banach空间中一致L-Lipschitz映象对公共不动点的迭代逼近问题,改进和推广了文献[5-6]的相应结果。