简介：针对某型系列弹密集度评定,给出了基于混合倒伽玛分布的Bayes区间估计方法。该方法通过引入继承因子,有效利用了历史样本信息。通过对不同总体下随机抽样的方式,比较了该方法与经典统计理论中区间估计算法在风险特征方面的差异,结果表明:该方法估计精度更高,具有更好的稳健性,尤其是纳伪概率控制较好,为科学、有效评定系列化弹药密集度提供了思路。

简介：随着移动通信的飞速发展，有限的无线频谱要求无线收发信机能够对时变的无线信道进行准确的盲估计。为了进一步降低判决差错和噪声波动对估计的影响，首先介绍了对无线信道的判决加权递推最小二乘盲估计，然后修正估计的判决方式，得到改进的判决加权递推最小二乘估计，最后仿真比较了移动环境下的无线信道各种估计与延迟扩展、多普勒频移及信噪比的关系和性能。

简介：针对移动机器人在室内环境下难以获取GPS定位信息,仅靠自身惯导不能得到精确位姿的问题,提出了一种基于RGB-D传感器获取三维环境点云,对连续点云提取特征并进行配准的移动机器人6自由度位姿估计方法.首先通过RGB-D传感器获取环境深度图像,根据特征提取算法提取点云特征;然后以特征点为配准点,运用随机一致性采样(RANdomSAmpleConsensus,RANSAC)算法对点云进行初配准,剔除部分错误匹配点,获得初始变换矩阵;最后采用改进的迭代最近点(IterativeClosetPoint,ICP)算法进行精配准,获得点云间的最终变换矩阵,实现位姿估计.实验结果表明:该方法有效地提高了大规模点云配准效率,得到了较精确的位姿估计信息.