简介:提出了一种基于期望模式修正(EMA)的改进交互式多模型(IMM)算法。该算法主要解决自主水下航行器(AUV)复杂工作环境下量测噪声统计特性未知或易发生变化时的状态估计问题,其核心思想是将期望模式修正机制和交互式多模型滤波算法相结合,利用状态估计过程中的获取的模型概率进行决策,得到更加接近与系统真实模式的期望模型集合,再通过期望模型集合滤波结果对固定模型集合滤波结果进行修正。与传统的交互式多模型算法相比,提出的基于期望模式修正的交互式多模型算法可以捕捉到系统模式更细微的变化。仿真结果表明,该算法可以大幅提高AUV组合导航系统的估计精度和稳定性。
简介:目前数字信号处理器已经由单核系统发展为多核并行系统,可通过并行执行任务加快信号处理速度。北斗CB2I码是GPSC/A码码长的两倍,若使用传统捕获算法将会延长信号捕获时间。基于此问题,提出了一种基于组合FFT的并行捕获算法。该算法将信号奇偶点分开进行并行处理,可将单次FFT变换点数减半,并通过高效利用多核资源加快信号捕获速度。为了验证算法性能,对比了传统算法和改进后算法的PTP值。仿真结果表明,两算法PTP均值分别为2.961和2.938,改进后算法未降低捕获精度。最后,以多核嵌入式平台为基础分析了两算法的单核运算量,结果表明:当待处理的信号点数由1000增加到256000时,改进后算法单核乘法运算量减少比例由33%增加到了40%,而加法计算量始终减少50%,改进后算法可达到快速捕获的效果。
简介:金融资产收益率不仅具有尖峰厚尾性、异方差性,还具有长记忆性。基于此,本文建立ARFIMA-GARCH-Copula模型来研究沪深股市的相关结构和等权重投资组合风险值VaR,利用上证指数和深成指数收益率的组合来进行实证研究。首先采用经典R/S分析法检验各个资产收益率的长记忆性,经过分数阶差分后选用GARCH模型建模得到边缘分布。然后选择Copula函数来刻画两资产之间的相关结构,建立联合分布模型。进而采用MonteCarlo方法模拟产生各资产的收益率序列,计算出投资组合的风险值VaR。实证研究表明:沪深股市具有长记忆性,且两者具有对称的尾部相关性;Kupiec检验说明ARFIMA-GARCH-Copula模型较之于GARCH-Copula模型能更准确地度量投资组合风险。