简介:惯性导航系统(INS)以其自主的工作能力广泛应用于军事武备的导航、制导与控制系统和国民经济的诸多领域.它的主要缺点是定位误差随其工作时间的增长而增大.对惯导系统的误差进行估计和补偿是在保证性能价格比的前提下,提高惯性导航系统精度的有效途径.目前,对惯导系统的误差修正均采用外信息(如GPS的输出信息)校正,即在INS工作的全部时间内,定期地利用GPS输出的速度和位置信息与INS输出的相应信息的差值作为观测量,对INS误差进行估计和补偿.Kalman滤波的方法广泛地应用于惯导系统的误差修正初始对准.本文研究了当地水平惯导系统的的误差估计和补偿问题.分析结果表明,采用Kalman滤波的方法,可以精确地估计惯导系统的误差(包括陀螺漂移和加速度计零偏),误差估计的精度高,并且估计的方差阵收敛快.
简介:信号的载频估计在无线电频谱资源的使用和管理中起到了至关重要的作用。现有的载频估计算法载估计精度,计算复杂度等方面均存在严重不足,不利于仪表应用。结合典型的谱重心法和最小均方误差算法的特点,提出了一种新的载频盲估计算法。该算法无须知道信号的体制类型,即可对信号直接进行载频估计。该算法以谱重心法得到的载频估计值为粗估计,并利用平滑后的功率谱中间段对称性更好的特性,根据最小均方误差算法计算粗估计误差范围内的局部对称性大小,求取对称性最好的位置作为载频精估计值。在高斯信道下的仿真实验结果表明:相比谱重心法,新算法的估计精度在不同信噪比下均有较大的提高。特别是在低信噪比的情况下,载频估计的精度提升更明显。因此,新算法在无线频谱监测中有着很好的应用前景。
简介:文中对给定容量为n的一个伽玛分布样本,在刻度平方误差损失函数下,研究了伽玛分布参数的Bayes估计,证明了这一估计是可容许的,并给出了未知参数的Bayes区间估计.
简介:摘要随着全球工业化进程的持续推进,全球能源产业发展战略规划也发生了翻天覆地的变化,继风力发电后,光伏发电技术因其清洁无污染、安装便利、维护成本低和使用效率高等优势近年来获得了快速的发展,光伏装机容量和装机比例呈爆发式状态增长。与此同时,光伏输出功率具有明显的随机性和不确定性,当其大规模接入电网后其波动特性表现的更为突出,给电网带来巨大冲击的同时降低了电网运行的可靠性,增添了电网调度运行管理的成本与难度。因此,对光伏发电系统功率进行合理预测对提高光伏电站利用率和电网安全稳定运行水平具有重要的现实意义。文章对光伏发电出力的条件预测误差概率分布估计方法进行了研究分析,以供参考。