XiaoMi-AI文件搜索系统
World File Search System估计误差
高度椭圆形轨道飞行的航天器形成的亚毫米级相对导航技术
摘要：高度椭圆形轨道（HEO）中的航天器的形成（SFF）引起了很多关注，因为在太空探索中的许多应用中，同时精确的指导导航和控制（GNC）技术（尤其是精确的范围）为此类SFF任务提供了成功的基础。在本文中，我们介绍了一种新颖的K带微波炉（MWR）设备，该设备旨在在未来的HEO SFF任务中对亚毫米级的精确范围技术的轨道验证。范围技术是一种同步的双单向范围（DOWR）微波相蓄积系统，在实验室环境中实现了数十微米的范围精度。提供了MWR设备的详细设计和开发过程，并分析了范围的错误源，并考虑了实际的扰动，为HEO形成场景提供了相对的轨道动态模型。此外，引入了一种自适应卡尔曼过滤算法，用于SFF相对导航设计，并结合了过程噪声不确定性。在使用MWR时，SFF相对导航的性能在高精度六个自由度（6-DOF）移动平台的硬件（HIL）模拟系统中测试。使用自适应过滤器的MWR的最终范围估计误差小于35 µm m，范围率为8.5 µm/s，这证明了未来HEO形成任务应用程序的有希望的准确性。
夏威夷和...
评估州农业经济的挑战是可用数据很薄。我们可以借鉴的标准政府调查，例如当前的人口调查和美国社区调查，其样本量太小了，无法评估我们相对较小的经济体的这一狭窄切片。最好的数据来自美国农业部国家农业统计服务局（USDA-NASS）每五年进行的农业人口普查。人口普查的目标是收集有关农场人口的基本信息，而不仅仅是样本。，但实际收集的数据远远远远远远不足此障碍。虽然人口普查成功地收集了绝大多数大型农场（销售额超过500,000美元）的数据，但许多较小的农场并未将其列入USDA维护的官方农场清单。USDA使用对农场区域进行采样的调查估计了不在清单上的农场数量。该调查称为“六月区域调查”。在不在官方名单上的区域样本中确定的农场用于估算一般情况下的农场，以及未数农场的规模。为了说明这些农场，官方统计数据“权重”他们为扩大农场数量，销售和其他指标所获得的反应，以估算不在官方名单上的农场总人口总数（可以在此处找到此程序的详细信息）。结果，人口普查估计值是通过误差来测量的。USDA估计误差的大小（大约+/-范围），对于夏威夷的许多统计数据，它相当大 - 它基于USDA进行的面积样本数量。此误差的大小可能很难估计，尤其是对于夏威夷在夏威夷进行的少数面积样本而言。
RIS 辅助 6G V2X 系统中集成传感和通信的深度强化学习
摘要 — 集成传感和通信 (ISAC) 技术的最新进展为解决下一代无线通信网络 (6G) 车对万物 (V2X) 中的通信质量和高分辨率定位要求带来了新的可能性。同时为车辆目标的智能服务提供高精度定位和高通信容量 (CC) 具有挑战性。在本文中，我们提出了一种可重构智能表面 (RIS) 辅助的 6G V2X 系统，以在满足基本通信要求的情况下实现车辆目标的高精度定位。我们提供了车辆目标的 CC 和 3-D 费舍尔信息矩阵 (FIM) 公式。我们展示了反射器单元中的相位调制对联合定位精度和 CC 性能的直接影响。同时，我们设计了一个灵活的深度确定性策略梯度 (FL-DDPG) 算法网络，采用 ϵ -贪婪策略来解决高维非凸优化问题，在满足各种 CC 要求的同时实现最小定位误差。仿真结果表明，FL-DDPG算法将定位精度提升了至少89%，将车辆目标的到达率提升了近3倍，优于传统数学方法。与经典的深度强化学习方法相比，FL-DDPG在满足通信要求的前提下获得了更好的定位精度。当面对不完美信道时，FL-DDPG能够有效解决ISAC系统中的信道估计误差问题。
卡尔曼滤波器组在飞机发动机中的应用...
卡尔曼滤波器组在飞机发动机故障诊断中的应用 Takahisa Kobayashi QSS Group, Inc. 俄亥俄州克利夫兰 44135 电子邮件：Takahisa.Kobayashi@grc.nasa.gov Donald L. Simon 美国陆军研究实验室 格伦研究中心 俄亥俄州克利夫兰 44135 电子邮件：Donald.L.Simon@grc.nasa.gov 摘要 本文将卡尔曼滤波器组应用于飞机燃气涡轮发动机传感器和执行器故障检测和隔离 (FDI) 以及组件故障检测。这种方法使用多个卡尔曼滤波器，每个滤波器都用于检测特定的传感器或执行器故障。如果确实发生故障，除使用正确假设的滤波器之外的所有滤波器都会产生较大的估计误差，从而隔离特定故障。同时，估计了一组指示发动机部件性能的参数，以检测突然退化。将所提出的 FDI 方法应用于标称和老化条件下的非线性发动机仿真，并给出了巡航运行条件下各种发动机故障的评估结果。证明了所提出的方法能够可靠地检测和隔离传感器和执行器故障。术语 A16 可变旁通管道面积 A8 喷嘴面积 BST 增压器 CLM 组件级模型 FAN 风扇 FDI 故障检测和隔离 FOD 异物损坏 HPC 高压压缩机 HPT 高压涡轮 LPT 低压涡轮 P27 HPC 入口压力 PS15 旁通管道静压 PS3 燃烧室入口静压 PS56 LPT 出口静压 T27D 增压器入口温度 T56 LPT 出口温度
DNN 辅助基于粒子的贝叶斯联合同步与定位
摘要 — 在本文中，我们提出了一种基于深度神经网络辅助粒子滤波器 (DePF) 的方法来解决超密集网络中的移动用户 (MU) 联合同步和定位 (sync&loc) 问题。具体而言，DePF 在 MU 和接入点 (AP) 之间部署了一种非对称时间戳交换机制，传统上，该机制为我们提供有关 MU 时钟偏移和偏差的信息。然而，AP 和 MU 之间的距离信息也是交换时间戳所经历的传播延迟所固有的。此外，为了估计接收到的同步数据包的到达角，DePF 利用多信号分类算法，该算法以同步数据包所经历的信道脉冲响应 (CIR) 为输入。CIR 还用于确定链路条件，即视距 (LoS) 或非视距。最后，为了执行联合同步和定位，DePF 利用粒子高斯混合，允许对上述信息进行基于粒子和参数贝叶斯递归滤波 (BRF) 的混合融合，从而联合估计 MU 的位置和时钟参数。模拟结果验证了所提出的算法优于最先进的方案，尤其是基于扩展卡尔曼滤波器和线性化 BRF 的联合同步和定位。特别是，仅利用来自单个 AP 的同步时间戳交换和 CIR，在 90% 的情况下，绝对位置和时钟偏移估计误差分别保持在 1 米和 2 纳秒以下。
具有热梯度的微型多传感器系统
两个微芯片用作纳米电子鼻，分别有四个相同的使用 SnO 2 纳米线作为传感材料的微结构传感器（一个芯片装饰有 Ag 纳米粒子，另一个装饰有 Pt 纳米粒子）。由于集成微加热器产生的热梯度，这种创新方法使用在不同工作温度下工作的相同传感器。使用内部开发的硬件和软件的系统收集来自八个传感器的信号并将它们组合成八维数据向量。这些向量用支持向量机处理，以便在校准后对所有气体进行定性和定量区分。该系统在校准范围内运行良好（100% 正确分类，浓度值平均误差为 6.9%）。这项工作的重点是尽量减少校准所需的点数，同时保持良好的传感器性能，包括分类和浓度估计误差。因此，校准范围（就气体浓度而言）逐渐缩小，并使用超出这些新降低限值的浓度进行进一步测试。尽管只有几个训练点（每种气体只有两个），但该系统表现良好，对于浓度高达校准范围 25 倍的气体，分类正确率为 96%，平均误差率为 31.7%。在非常低的浓度下（低至校准范围的 20 倍），系统工作得不太好，分类正确率为 93%，平均误差率为 38.6%，这可能是因为接近传感器的检测限。© 2023 越南国立大学，河内。由 Elsevier BV 出版这是一篇根据 CC BY-NC-ND 许可的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
评估低地球轨道形成任务的精确微波范围技术，beidou时间同步接收器
摘要：在这项研究中，表现出亚毫升水平的精度k波段微波范围（MWR）设备，旨在通过空位（Leo Orbit（Leo）中的航天器形成（SFF）验证地球重力场（EGF）和数字高程模型（EGF）和数字高程模型（DEM）。尤其是，本文详细介绍了我们设计和开发的集成Beidou III B1C/B2A双重接收器，包括信号处理方案，增益分配和频率计划。与时间间隔计数器同步解决方案相比，接收器匹配MWR系统的0.1 NS精确同步时间频率基准，并通过静态和动态测试进行了验证。此外，通过使用不同的范围技术，可以深入探索MWR设备范围的精度。测试结果表明，使用同步的双双单向射程（DOWR）微波相蓄积框架，在测试过程中实现了40 µm和1.6 µm/s的精度，并在测试过程中实现了6 µm/s/s的范围速率速率精度。分析了整个MWR系统的范围误差源，而用于SFF相对导航设计的相对轨道动力学模型，用于编队场景的相对轨道动力学模型和自适应KalmanFulter算法。在高精度六个自由度（6-DOF）移动平台中，在硬件（HIL）模拟系统的硬件（HIL）模拟系统中测试了SFF相对导航的性能。使用MWR的自适应相对导航系统的最终估计误差约为0.42 mm（范围/rms）和0.87 µm/s（范围率/rms），这证明了EGF和DEM形成在太空中的未来应用的有希望的准确性。
通过临床可行的扩散MRI方案映射明显神经体积密度的潜力
di usion MRI是无创探测大脑中组织微观结构的有价值的工具。今天，基于模型的技术已广泛可用，用于白质表征，其发育相对成熟。相反，灰质中的组织建模更具挑战性，并且没有普遍接受的模型。随着测量技术的进步和建模效果，这是一种临床上可行的技术，它揭示了灰质微观结构的显着特征，例如准球形细胞体的密度和准圆柱形细胞的投影，是一个令人兴奋的前景。As a step towards capturing the microscopic architecture of grey matter in clinically feasible settings, this work uses a biophysical model that is designed to disentangle the diffusion signatures of spherical and cylindrical structures in the presence of orientation heterogeneity, and takes advantage of B-tensor encoding measurements, which provide additional sensitivity compared to standard single diffusion encoding sequences.为了对微观结构参数进行快速且可靠的估计，我们利用机器学习的最新进展，并使用人工神经网络替换常规拟合技术，该技术在几秒钟内拟合复杂的生物物理模型。我们的结果表明，与白质相比，在健康人类受试者中，球形和圆柱形几何形状的明显标记，尤其是灰质中球形隔室的体积分数增加。我们评估了球形和圆柱几何形状的程度，可以分别解释为神经体和神经投影的相关性，并在存在各种偏离建模假设的情况下量化参数估计误差。虽然需要进一步的工作将这项工作中提出的思想转化为诊所，但我们建议将重点关注准球形细胞几何形状的生物标志物对于增强神经发育障碍的评估和神经退行性疾病的评估可能是有价值的。
用于选择分析的深度神经网络：提取完整的经济信息以供解释
尽管深度神经网络 (DNN) 越来越多地应用于选择分析并显示出很高的预测能力，但研究人员能在多大程度上解读来自 DNN 的经济信息尚不清楚。本文表明，DNN 可以提供与传统离散选择模型 (DCM) 一样完整的经济信息。经济信息包括选择预测、选择概率、市场份额、替代品的替代模式、社会福利、概率导数、弹性、边际替代率和异质时间值。与 DCM 不同，DNN 可以自动学习效用函数并揭示领域专家未预先指定的行为模式，尤其是在样本量较大的情况下。然而，当样本量较小时，从 DNN 获得的经济信息可能不可靠，因为自动学习能力面临三大挑战：对超参数的高度敏感性、模型不可识别和局部不规则性。第一个挑战与平衡 DNN 近似值和估计误差的统计挑战有关，第二个挑战与确定 DNN 训练中的全局最优值的优化挑战有关，第三个挑战与缓解估计函数的局部不规则模式的稳健性挑战有关。为了展示优势和挑战，我们使用来自新加坡的陈述偏好调查和来自伦敦的显示偏好数据来估计 DNN，从 DNN 中提取完整的经济信息列表，并将其与来自 DCM 的信息进行比较。我们发现，通过训练或人口汇总的经济信息比单个观察或训练的分解信息更可靠，并且更大的样本量、超参数搜索、模型集成和有效的正则化可以显著提高从 DNN 中提取的经济信息的可靠性。未来的研究应研究样本量的要求、更好的集成机制、其他正则化和 DNN 架构、更好的优化算法以及稳健的 DNN 训练方法，以解决 DNN 的三大挑战，为基于 DNN 的选择模型提供更可靠的经济信息。关键词：深度神经网络；机器学习；选择分析；可解释性。
统计调查的标准和指南 | SAMHSA
第 1 部分 概念、方法和设计的开发调查规划标准 1.1：启动新调查或对现有调查进行重大修订的机构必须制定书面计划，阐明理由，包括：目标和目的；潜在用户；调查旨在告知的决策；关键的调查估计值；估计值所需的精度（例如，需要检测到的差异大小）；为决策和其他用途提供信息的制表和分析结果；相关和以前的调查；为避免与其他信息来源不必要重复而采取的步骤；用户何时以及多久需要一次数据；以及制表、机密微观数据和公共使用数据文件所需的详细程度。调查设计标准 1.2：机构必须制定调查设计，包括确定目标人群、设计抽样计划、指定数据收集工具和方法、制定切合实际的时间表和成本估算，以及使用普遍接受的统计方法（例如，可以提供抽样误差估计的概率方法）选择样本。任何非概率抽样方法（例如，截止样本或基于模型的样本）的使用都必须有统计依据，并能够测量估计误差。样本的大小和设计必须反映制表和其他数据产品所需的详细程度，以及关键估计数所需的精度。这些活动和由此产生的决策的记录都必须保存在项目文件中以供记录使用（见标准 7.3 和 7.4）。调查回复率标准 1.3：机构必须设计调查以实现最高的实际回复率，与调查用途、受访者负担和数据收集成本的重要性相称，确保调查结果代表目标人群，从而可以放心地用于决策。当单位或项目回复率或其他因素表明可能出现偏差时，必须进行无响应偏差分析。预测试调查系统标准 1.4：机构必须确保调查的所有组成部分在全面调查中按预期发挥作用，并通过对调查组成部分进行预测试或在之前成功地部署调查组成部分来控制测量误差。第 2 部分数据收集开发抽样框架标准 2.1：机构必须确保计划的抽样调查或普查的框架适合研究设计，并根据目标人群进行质量评估。