一种改进的粒子滤波算法

在粒子滤波中,防止粒子退化的两个关键因素是选择适当的采样建议分布和重采样算法.针对建议分布的选择条件,提出了一种改进的粒子滤波算法,该算法采用强跟踪扩展卡尔曼滤波方法构建其建议分布.强跟踪扩展卡尔曼滤波可在线调节参数,从而使得系统具有更好的自适应性和鲁棒性,对高机动目标具有更强的跟踪效果.仿真结果表明,该算法的性能优于其它几种非线性滤波算法.     

一种改进的交互多模型算法

针对交互多模型(IMM)算法对目标加速度估计误差较大的不足,提出了一种改进的交互多模型算法,通过对交互多模型输出的加速度信息进行均值滤波提高对加速度估计的精度.计算机仿真表明,与交互多模型相比,该方法对匀速目标特别是机动目标具有更好的加速度估计能力,且便于工程实现.     

改革开放以来中国入境旅游周期波动的阶段性变迁分析全文替换

入境旅游是我国现代旅游产业体系的关键组成部分，正确认识入境旅游周期波动规律，对于准确把握我国入境旅游发展态势、制定合理产业发展政策、促进入境旅游市场稳定快速增长具有重要意义。通过运用HP滤波和马尔科夫区制转移模型，对改革开放以来我国入境旅游周期进行波动测度与阶段性变迁分析的结果表明，我国入境旅游在研究期内表现出总量不断攀升但增速波动起伏的发展态势，在其增速动态变化过程中存在低速增长、中速增长和高速增长三种区制状态，并在“低速增长区制”和“高速增长区制”表现出更强的稳定性和持续性；我国入境旅游人次增长率在“低速增长区制”“中速增长区制”和“高速增长区制”之间存在着往复的阶段性变迁情况，且“高速增长区制”和“低速增长区制”将通过“中速增长区制”实现“软着陆”和“稳扩张”。从发展趋势来看，2005年以后，我国入境旅游一直处于低速收缩状态，且未来维系低速推进的可能性较大。最后，为扭转低迷的入境旅游市场并推动我国入境旅游业的逆势复苏，提出了相应的政策建议。     

宽带信号数字信道化及跨信道重构侦测技术

针对在无源探测大带宽信号的过程中会产生跨信道失真问题，提出了一种跨信道可重构的信道化方法。首先经过均匀滤波器组粗滤波，再引入检测时间自适应的双门限能量检测机制，对粗滤波信号进行跨信道判决，之后对各个跨信道信号分别进行可重构信道化设计，从而恢复出原始信号。与传统的数字信道化方法相比，该算法能够更新能量检测门限对跨信道信号进行实时判决，对跨信道信号的重构准确率高于98.3%，实现了对跨子信道带宽信号的近似无失真重构。Matlab仿真结果验证了算法的有效性。     

UFMC系统在多径衰落信道中的干扰消除

通用滤波多载波(UFMC)是5G通信系统中的关键技术，能够降低带外泄露。但是在多径衰落信道下UFMC系统会受到符号间干扰（ISI）和多普勒效应产生的载波频率偏差的影响，从而使系统的性能下降。为了消除系统中的干扰，提出了一种迭代最大似然算法。该方法主要通过迭代最大似然算法（ML）计算出载波频率偏差，把估计出的结果作为初始值并运用迭代的方法得到最终的载波频率偏差，当达到收敛区间时，迭代结束；最后利用相位旋转的概念补偿载波频率偏差并运用最小二乘算法更新信道响应信息，减少该系统干扰。仿真结果表明，在信噪比大于10 dB时，随着信噪比的增大，算法能够有效地抑制系统中的干扰，提高UFMC系统的性能。     

一种简化的拟蒙特卡洛-高斯粒子滤波算法

提出了一种简化的拟蒙特卡洛-高斯粒子滤波（QMC-GPF）算法（SQMC-GPF）,以解决将QMC方法应用于GPF时计算复杂度高、运算量大的问题。该算法中，在连续的迭代滤波过程开始之前，首先利用QMC采样产生单位拟高斯分布粒子集，然后用其线性变换产生GPF算法中需要的高斯分布粒子集，省去了重新进行QMC采样步骤。该算法简化了新粒子集的产生过程，减少了运算量和滤波时间，增强了算法的实时性。将粒子滤波算法（PF）、GPF 算法、QMC-GPF算法和SQMC-GPF算法用于单变量非静态增长模型（UNGM）和二维纯角度跟踪模型（BOT）的仿真结果表明，SQMC-GPF算法的滤波性能与QMC-GPF算法的滤波性能相近，但有更为明显的速度优势，具有重要的实际应用价值。     

用于非合作信号噪底估计的改进自回归算法

非合作接收中由于信道或接收机模拟器件的影响可能导致接收信号功率谱存在噪声基底不平坦现象，为便于划定检测门限需要先估计噪声基底再对原始功率谱进行修正。传统的非线性自回归滑动滤波算法采用固定阈值，仅适用于窄带单信号的噪底估计。改进算法通过增加调节系数实现对阈值的动态调节，并根据功率谱特征计算初始阈值和调节系数，提高了原算法的适应范围和工程实用性。仿真结果表明，改进算法对不同种类的信号具有普适性，能解决原算法无法适应的宽带多信号噪底估计。     

“双碳”目标下我国煤炭减量化使用的压力指数测度研究

煤炭是我国能源供给的主体品种，煤炭使用是我国碳排放的主要来源，在双碳目标和能源保供给的双重约束下，煤炭减量化使用很迫切，但会给国民经济带来较大的压力。本文通过修正的等方差加权法测度我国30个省(区、市)煤炭减量化使用的压力。在全国层面的分析中，本文基于ARIMA模型与ARMA-EGARCH(1,1)模型，得到了煤炭减量化使用压力指数在2021～2035年有下降的趋势，且煤炭波动的风险处于可控范围的结论；在地区视角下的研究区域层面的分析中，本文基于ARIMA模型与灰色关联度模型，得到了煤炭减量化使用压力指数的变化趋势存在地区间、地区与全国层面的异质性，在2014年后异质性逐步降低，在2021年后异质性变化将进一步平稳等结论。应坚持“先立后破”的能源转型思路，大规模发展可再生能源，为煤炭减量化使用创造宽松的外部经济环境；要积极赋能煤资源型地区和煤炭企业进行自我转型，降低煤资源型地区的减煤压力。     

中国经济周期与股市周期协同性研究——基于DCC-GARCH模型

经济周期与我国股票市场有着复杂的关系，探究股市周期和经济周期的协同性有着重要的意义。本文以GDP和上证指数分别代表经济周期和股市周期，通过HP滤波提取二十多年的相应指标数据中的周期成分，并绘制相应的周期波动情况，接着引入DCC-GARCH模型，对股市周期与经济周期的动态相关性进行分析。宏观经济周期与股市周期之间的相关性一直处于正向关系且具有波动性，但并非一直保持较高的协同性，受金融危机等全球性事件的影响，二者相关性上下急剧波动较大。     

基于机器学习的油液在线黏度工程运用

对油液在线黏度进行研究分析，通过采集到的黏度传感器数据，利用黏温特性曲线获得40℃黏度，然后采用野值滤波方法、ADF校验、整机油液状态分析，筛选获得稳定可信的数据，最后采用滑动平均滤波、机器学习法对整机黏度的环境微校准。结果表明，黏度实时检测过程中，该算法提高了黏度测量的稳定性和精准度。