一种适用于16QAM的自适应阈值载波锁定检测算法

为避免传统16阶正交幅度调制（16-Quardrature Amplitude Modulation，16QAM）载波锁定指示锁定阈值受输入信号电平的影响，提出了一种基于归一化信号高阶矩的16QAM载波锁定检测算法。针对传统基于固定阈值的检测算法在数据不满足均匀分布时失效的情况，提出了一种基于输入数据统计特性的自适应阈值载波锁定检测算法。实验结果和工程应用结果表明，所提出的自适应门限能更好地适应不同数据下的载波锁定检测。该方法已经在某卫星对接试验中得到了应用验证，取得了满意的效果。     

基于压缩感知的卫星干扰源定位

针对传统测向方法实际应用性能较差的问题,提出了一种基于压缩感知的卫星干扰源定位方法。根据干扰信号方位角的空间稀疏性,建立了波达方向(DOA)估计模型,构造出基于阵列流型的过完备原子库和随机单位向量测量矩阵,最后结合信源估计技术和正交匹配追踪（OMP）算法实现干扰目标的方位估计。仿真验证了该方法能同时估计相干干扰信号的强度和角度,适合快速变化的干扰目标定位,并且具有较低的计算复杂度和更好的工程易用性。相关研究对压缩感知理论在卫星干扰源定位中的应用具有一定参考意义。     

基于空时联合抗干扰算法的复矩阵求逆

针对卫星导航接收机易被干扰的特点,研究了空时联合抗干扰算法,并提出了一种简化的复正定厄米矩阵求逆实现方法。首先,给出了空时联合抗干扰算法的基本模型。随后,在详细分析传统复正定厄米矩阵求逆算法基础上,给出了改进的复正定厄米矩阵求逆方法的具体步骤。最后,基于数字信号处理（DSP）的硬件平台,对运算量进行了对比分析。仿真结果表明,改进的复正定厄米矩阵求逆方法加法和乘法运算量都大幅度降低,比传统算法运算速度加快了三分之一。算法简单可靠,易于实现,适用于工程应用中实时性要求较高的场合。     

应用RCS序列估计卫星自旋周期

针对空间探测任务中采用雷达散射截面积（RCS）序列估计卫星旋转周期存在的问题，建立了基于多频段RCS的卫星自旋周期估计分析模型。根据卫星的外推弹道，计算了卫星的可跟踪弧段，推导了自旋模式下卫星本体坐标系下电磁波入射角的计算公式。采用电磁场数值算法快速计算卫星的RCS，通过RCS匹配获得卫星可跟踪弧段的理论RCS序列，研究了自旋周期在RCS序列中的表现形式。仿真分析了雷达频段、采样率及弧段选择对周期估计的影响，结果表明入射角序列相对于垂直于卫星自旋轴方向变化平稳的弧段，RCS序列呈现的周期性特征显著，利用该类弧段进行卫星自旋周期估计可以得到准确的结果，证明该方法可以应用于卫星自旋周期估计。     

星敏数据转换为参考系欧拉角姿态的方法

针对三轴稳定卫星星敏感器姿态测量数据转换参考系欧拉角姿态计算的相关问题,首先,系统地总结了转换计算的方法,给出了星敏数据计算姿态矩阵及姿态矩阵解算欧拉角的方法;然后,对工程上常用的312及321转序,从编程角度提出了一种全角度欧拉角解算及值选择方法;最后,分析了采用所提方法转换计算中的常见误差因素及注意事项,并基于分析结果给出了同步星的转序选取建议。研究结果表明所提方法是有效的,对卫星姿态确定和误差分析有一定的参考意义。     

一种基于插值和卡尔曼滤波的接收机钟差预测方法

针对多模多频接收机面临同时处理大量数据的压力,提出了一种基于插值和卡尔曼滤波的接收机钟差预测方法。插值方法分别用拉格朗日和三次样条,三次样条端点的一阶导数采用“差分法代替求导法”来确定。首先由插值方法得出每隔1 s的卫星坐标、速度、钟差、频漂和伪距测量值,然后基于单星授时方法计算出静止接收机钟差,接着用卡尔曼滤波算法对接收机钟差和频漂进行预测,最后将预测的接收机钟差与加拿大空间参考系统（CSRS） 提供的精密接收机钟差数据进行比较。结果表明,拉格朗日插值由于存在龙格效应,其接收机钟差的抖动幅度比三次样条略大,它们与CSRS钟差数据相比,均方根误差在3 ns之内。     

基于嵌套张量模型的MIMO中继系统组合接收算法

目前在单向双跳多输入多输出（MIMO）中继系统中，基于嵌套张量模型的接收算法主要采用单步交替最小二乘（ALS）和KRF（Khatri-Rao Factorization）算法。在时变信道且实时性要求较高场景下，计算复杂度高是制约其应用的主要因素。为此，在对单向双跳MIMO中继系统建模基础上，提出了基于嵌套张量模型的双步组合接收算法。该算法通过对接收的数据张量进行重建，将符号估计和信道估计分离，充分利用ALS和KRF的算法优势，有效降低了计算复杂度。同时，对算法的可辨识性进行了分析。仿真结果表明，该算法保持了与传统嵌套PARAFAC的最小二乘（Nested PARAFAC ALS）算法的相同估计性能，在源天线个数变化时，计算复杂度降低了80%以上；在中继天线个数变化时，计算复杂度降低了50%以上。     

非均匀天线组阵中引入对角加载的合成算法

针对非均匀天线组阵中常用的SUMPLE与PMFM（Proposed Matrix-Free Method）算法合成性能较差的问题，分别在SUMPLE与PMFM算法模型中引入对角加载技术，提出了一种新的信号合成算法。该算法利用权值幅度估计各路噪声功率，并对角加载到权值迭代算法中以得到准最优复权值向量。理论分析与数值仿真均表明,在不明显增加计算量的基础上，新算法在非均匀组阵中的合成损失明显低于SUMPLE与PMFM算法，同时新算法的收敛速度也与各自模型算法相当，因此更加适用于实际组阵系统，具有重要的工程应用价值。     

基于差分GPS的战术数据链高精度时间同步

精确协同作战作为信息化条件下作战形态的必然发展趋势,其对作战平台间高精度时间同步提出了较高的要求。针对该要求,在分析了战术数据链往返计时（RTT）时间同步算法的基础上,提出了卫星导航载波相位差分GPS（DGPS）技术与数据链高精度时间同步算法,利用卡尔曼滤波构建时间同步计算算法模型,实现高精度的时间同步。仿真结果表明该算法可提高时间同步精度到3 ns。     

多站无源定位系统中的机动目标跟踪算法

针对多站测向无源定位系统提出了一种杂波环境下机动目标的被动跟踪算法———ＣＭＩＭＭＰＤＦ 算法。该算法首先用转换测量的卡尔曼滤波（ＣＭＫＦ）替代了传统的扩展卡尔曼滤波,克服 了后者精度不高易发散的缺点,并将其结合交互多模型（ＩＭＭ）算法及概率数据关联（ＰＤＦ）算法,有效 地完成了多站无源定位系统对杂波环境下机动目标的跟踪。仿真结果证明了该算法的有效性。     

中国经济结构变革与资本存量的动态估计——基于财政学视角的一个初步考察

当前资本存量估算的一个重要不足是假定资本和折旧变化平稳,这无法反映中国经济发展过程中巨大的结构变迁。本文引入状态空间方程,采用将资本存量和折旧定义为观测信号的方式,使之可以反映中国经济结构性变迁的影响,从而改变了以往的投资和折旧平稳性假定。研究结果表明,中国持续的制度变革和国有企业改革、乃至经济波动等均对经济结构产生重要影响,导致中国资本存量和折旧并不像西方成熟市场经济体系下那样平稳,而是随着经济结构变革出现剧烈波动。空间状态方程估算的信号序列很好地反映了这种波动。因此,基于卡尔曼滤波对中国经济结构变革中资本存量和折旧的估算,更加符合中国现实经济发展状况,同时也充分表明,伴随着经济结构的变革,资本存量和折旧的变化是一个动态过程。     

强跟踪Unscented滤波器及其在无源跟踪中的应用

本文研究用递推算法实现只测量到达角和多普勒频移的无源双基地雷达的目标运动分析。基于Unscented卡尔曼滤波器和强跟踪滤波器,提出了一种新的强跟踪Unscented滤波器算法。新算法在无源双基地雷达目标跟踪的仿真实验中显示了高精度鲁棒滤波的性能。     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。     

一种超宽带与惯导融合的LSTM室内定位算法

针对复杂环境下的室内高精度定位需求,提出了一种超宽带和惯导融合定位方案。结合位置估计过程可被划分为时间序列预测问题的特点,提出了一种基于长短时记忆(Long Short Term Memory,LSTM) 网络的联合定位算法,并对其总体架构设计、数据预处理方法、网络结构设计、模型训练方法进行了研究。在此基础上,通过仿真和实测实验对联合定位算法进行验证,实验结果表明,该LSTM神经网络联合定位算法的定位精度优于传统TOA(Time of Arrival)、UKF(Unscented Kalman Filter)联合定位算法,适用复杂室内定位。     

船载外测设备测速数据的误差修正

针对“远望”号航天远洋测量船对航天飞行器动态测量的特点，分析了影响船载外测设备测速数据的各种因素，提出了对测速数据进行误差修正的设想和思路并给出了误差修正公式；同时用实战任务中的实测数据进行计算，考察了此方法误差修正的效果。计算结果表明，使用经各种误差修正后的测速数据参与初轨计算能有效提高定轨精度。     

无线电静默下数据链端机的时间同步守时优化

在无线电静默的情况下所有数据链端机无法进行往返校时，这会导致端机间时间同步精度的降低。国内外普遍使用卡尔曼滤波的方法来实现守时优化，但当模型建立不准确时，容易出现滤波发散的现象。提出了一种改进的卡尔曼滤波算法，在自适应渐消卡尔曼滤波渐消因子计算方法的基础上，将其与奇异点剔除技术相结合来防止滤波的发散。该方法计算过程比较简单，满足工程所需的实时性要求。多次仿真实验证明数据链端机可以满足10 m测距所要求的33 ns以内的时间同步精度要求，使得数据链端机在静默结束后可以完成更高要求的任务。     

入世后我国机械工业经济安全的DEA模型估算

加入世贸组织以后,我国机械工业既面临机遇又面临巨大冲击,但是这种冲击在入世后的各年份中到底有多大,目前国内学者对之所做的研究多为定性分析,缺乏更有说服力的定量估算。本文对入世后的机械工业发展环境进行了分析,对入世后机械工业发展的关键指标数据进行了预测,应用DEA模型对入世后机械工业安全度进行了估算,得到了有说服力的估算结果。     

Khatri-Rao积变换下的离格信号DOA估计

当存在离格信号时，基于稀疏表示的波达角（DOA）估计算法性能损失严重。为解决这个问题，在对接收数据协方差矩阵进行Khatri-Rao积变换的基础上，推导了离格信号网格偏离量与紧邻信号原子系数之间的关系，提出了一种单一离格信号DOA估计方法。为提高对邻近离格信号DOA的估计性能,利用矩阵的广义逆性质提出了基于多原子系数的联合估计方法。仿真实验表明，单一离格信号DOA估计方法在低信噪比下有较好的性能，联合估计方法在高信噪比条件下对邻近离格信号DOA有较高的估计精度，同时所提算法估计性能几乎不受网格划分间距的影响，可以通过增大网格间距降低算法运算量。相关研究对阵列天线DOA估计具有一定的参考价值。     

A machine-learning method for improving crash injury severity analysis: a case study of work zone crashes in Cairo,Egypt

Abstract

The quality of vehicular collision data is crucial for studying the relationship between injury severity and collision factors. Misclassified injury severity data in the crash dataset, however, may cause inaccurate parameter estimates and consequently lead to biased conclusions and poorly designed countermeasures. This is particularly true for imbalanced data where the number of samples in one class far outnumber the other. To improve the classification performance of the injury severity, the paper presents a robust noise filtering technique to deal with the mislabels in the imbalanced crash dataset using the advanced machine learning algorithms. We examine the state-of-the-art filtering algorithms, including Iterative Noise Filtering based on the Fusion of Classifiers (INFFC), Iterative Partitioning Filter (IPF), and Saturation Filter (SatF). In the case study of Cairo (Egypt), the empirical results show that: (1) the mislabels in crash data significantly influence the injury severity predictions, and (2) the proposed M-IPF filter outperforms its counterparts in terms of the effectiveness and efficiency in eliminating the mislabels in crash data. The test results demonstrate the efficacy of the M-IPF in handling the data noise and mitigating the impacts thereof.     

The Role of Trust in Understanding the Impact of Social Media Marketing on Brand Equity and Brand Loyalty

Abstract

In this era, social media platform is integrated into the marketing strategy. This new technology sets out new mechanisms and communication tools that companies can rely on to interact and engage with actual and potential customers. This study aimed at exploring the impact of social media marketing activities (SMM) on brand loyalty via brand trust and brand equity. Based on an online survey of 287 users who follow telecommunications companies on social media located in Egypt, data was collected and analyzed using structural equation modeling. The results revealed that SMM activities comprise only three dimensions; trendiness, customization and word-of-mouth. These attributes of social media marketing directly influence brand loyalty and indirectly influence brand equity mediated by brand trust. The study emphasis the role of trust and provide guidance toward measuring the effectiveness of social media marketing.