基于U变换的空间站交会调相非线性协方差分析方法

针对空间站交会调相过程中的长时间偏差传播问题,提出一种基于U变换的协方差分析方法 UTCAM。在给出空间站交会轨道调相策略和轨道机动参数计算方法后,对UTCAM的原理和流程进行了介绍,通过和STK以及Monte-Carlo的对比验证表明,UTCAM与该两种分析方法的协方差相对误差均在1.2%以内,且计算耗时仅为Monte-Carlo的1/460,可快速准确地实现非线性系统的均值和协方差预报。最后基于UTCAM对长达20天的空间站交会调相的偏差传播进行了分析,并采用Monte-Carlo仿真对其分析结果进行了验证,验证了该方法的有效性。     

平方根无迹卡尔曼滤波仅测角导航的空间交会闭环协方差分析方法

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。算例验证结果表明:提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好地吻合;该方法适用于采用传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)的仅测角导航问题,但其迹向位置的估计存在一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大24.68%和20.56%。此外,由于采用了QR分解和Cholesky因子更新两种高效的代数运算,基于SRUKF的协方差分析模型的计算速度要比基于EKF的协方差分析模型的大10%。     

未来空域窗预测命中点误差特性分析

分析目标提前点的误差特性是未来空域窗射击中要解决的首要问题。针对现有未来空域窗相关研究缺少误差特性分析的问题,提出了通过误差转换矩阵进行误差分析的方法。该方法在相应坐标系下建立误差模型,求得在预测迎弹面内的误差协方差矩阵,最后对协方差矩阵进行特征值分解得到目标提前点的误差特性。以跃起俯冲为例进行仿真分析,得到了目标在预测命中点的误差特性,并通过计算毁伤概率分析了各参数变化对未来空域窗的影响,结果表明,该误差分析方法正确,能为后续未来空域窗研究与工程化应用提供理论依据。     

基于改进协方差控制的传感器管理算法

针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。     

基于SRUKF仅测角导航的空间交会闭环控制协方差分析

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究。建立了基于SRUKF (Square Root Unscented Kalman Filter) 的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型。经算例验证,本文提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好吻合;该方法适用于采用传统Extended Kalman Filter (EKF)的仅测角导航问题,但其迹向位置的估计存一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大了24.68%和20.56%。此外,由于采用了QR分解和Cholesky 因子更新两种高效的代数运算,基于SRUKF的协方差分析模型要比基于EKF的协方差分析模型在计算速度上快了10%。     

用解析方法实现的引信杂波信号源

进行了只具有部分统计信息(如包给分布和同相分量的协方差)的引信杂波模拟.所提出的方案基于复数非高斯协方差序列与高斯协方差序列之间的非线性映射关系,能够实现指定的包络分布与协方差.它使杂波模型摆脱了“白色或正态”的限制.用这种解析方法实现的引信杂波信号源可以用于系统设计、仿真与测试.     

一种多约束条件下的分布式多传感器协同规划算法

在编队作战中,如何对分布在不同作战平台、拥有众多约束条件的传感器进行协同规划,具有重要的研究意义。基于协方差控制的基本思想,运用分布式多传感器航迹融合算法计算协方差矩阵,分析可能存在的多种作战约束条件,提出一种多传感器多目标分配步骤和方法。算法可针对动态变化的目标期望协方差和约束条件,及时地调整分配策略,在保证协方差控制作用的同时,着眼于提高分配结果的稳定性,并对此进行仿真。仿真结果证明了算法的合理性和有效性。     

高动态GPS抗干扰算法仿真研究

对于高动态条件下GPS(global positioning system)接收机的抗干扰问题,研究等距线阵接收信号模型和基于协方差矩阵扩张的基本原理,并仿真分析了2种基于协方差矩阵扩张的经典抗干扰算法:Mailloux算法和Zatman算法在高动态环境下的作用效果.经过Matlab仿真,结果表明,相比与常规方法,Ma...     

基于先验信息的协方差矩阵重构抗干扰算法

针对样本数较少情况下信号和干扰同时存在时,采样协方差矩阵包含目标信号引起信号自消,无法替代真实干扰噪声协方差矩阵的问题,提出了一种重构干扰噪声协方差矩阵的自适应波束形成方法,利用空间谱重构出与期望信号无关的干扰噪声协方差矩阵,提高协方差矩阵的准确度,依据重构的协方差矩阵结合阻塞矩阵完成主瓣干扰的抑制处理。仿真结果表明,所提方法相比于基于采样协方差矩阵方法,提高了输出信干噪比,更接近于最优值。     

基于Riccati方程的动态传感器分配算法

针对组网跟踪系统传感器分配算法计算量过大的问题,提出了一种基于Riccati方程的动态传感器分配算法。该算法通过Riccati方程离线计算各传感器组合跟踪下的稳态滤波协方差,根据稳态滤波协方差与期望协方差的接近程度动态分配传感器资源。仿真结果显示,与传统协方差控制和贪婪算法相比,基于Riccati方程的动态传感器分配算法在大大减少计算量的同时能够保持较好的跟踪性能。该方法能够更好地应用于大规模传感器组网目标协同跟踪系统。     

采用随机矩阵理论的水声阵列SMI-MVDR空间谱估计技术

对角加载MVDR技术是一种经典的空间谱估计技术,在水声阵列信号处理中有着广泛的应用。该技术之所以具有较好的性能是由于其通过对角加载使样本协方差矩阵的特征值分散度减小。提出了基于随机矩阵理论的MVDR空间谱估计技术,具体思路是利用随机矩阵特征值的极限性质实现样本协方差矩阵噪声的抑制,以达到类似对角加载能够实现的特征值分散度减小的效果。仿真表明所提出的方法与对角加载方法达到了同样的目的,且当快拍数一定,而信噪比由小变大时,该方法可以达到与对角加载MVDR技术相当的性能;当信噪比设为定值,快拍数由小变大时,其与对角加载技术具有相同的DOA估计成功概率变化趋势,且在小样本情况下,此方法优势较为明显。     

随机系统扇形极点和方差约束状态反馈控制

区域极点和稳态方差是表征控制系统性能的两个重要指标,通过把扇形区域极点指标和稳态方差指标融入到一个修正的Lyapunov方程,研究了扇形区域极点和稳态方差上界约束下的状态反馈控制问题.利用矩阵广义逆和矩阵分解的方法得到了扇形区域极点和稳态方差可配置条件以及控制器的求取方法,所得控制器表达式中含有自由参数,便于控制器的工程实现,也为选取控制器的自由参数来使控制系统满足更多的性能指标留下了余地.     

高斯马尔可夫融合算法在卡尔曼滤波中的应用

针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂,计算负担较重的问题,结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值,不需要计算局部稳态滤波误差互协方差,只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单,省略了很多繁琐步骤也能达到不错的滤波融合效果,通过仿真证明了此方法的可行性和高效性。     

Data‐driven variation source identification for manufacturing process using the eigenspace comparison method

Variation reduction of manufacturing processes is an essential objective of process quality improvement. It is highly desirable to develop a methodology of variation source identification that helps quickly identify the variation sources, hence leading to quality improvement and cost reduction in manufacturing systems. This paper presents a variation source identification method based on the analysis of the covariance matrix of process quality measurements. The identification procedure utilizes the fact that the eigenspace of the quality measurement covariance matrix can be decomposed into a subspace due to variation sources and a subspace purely due to system noise. The former subspaces for different samples will be the same if the same variation sources dominate. A testing procedure is presented, which can determine the closeness of the subspaces under sampling uncertainty. A case study is conducted to illustrate the effectiveness of this methodology. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.     

Optimal sample size allocation for tests with multiple levels of stress with extreme value regression

In this article, we discuss the optimal allocation problem in a multiple stress levels life‐testing experiment when an extreme value regression model is used for statistical analysis. We derive the maximum likelihood estimators, the Fisher information, and the asymptotic variance–covariance matrix of the maximum likelihood estimators. Three optimality criteria are defined and the optimal allocation of units for two‐ and k‐stress level situations are determined. We demonstrate the efficiency of the optimal allocation of units in a multiple stress levels life‐testing experiment by using real experimental situations discussed earlier by McCool and Nelson and Meeker. Monte Carlo simulations are used to show that the optimality results hold for small sample sizes as well. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2007     

神经网络架构搜索研究进展与展望

神经网络架构搜索旨在针对不同任务,自动化地搜索得到性能最优的神经网络结构,是深度学习、计算机视觉技术结合当前现实需求应运而生的一大重要科学问题。对近年来神经网络架构搜索研究进行梳理、归类和评述;阐述神经网络架构搜索的定义和意义,全方位剖析当前研究所面临的难点与挑战;以此为基础,对主流的搜索策略进行阐述和归纳;探讨研究潜在的问题及未来颇具潜力的研究方向,以期推动该领域的进一步发展。     

变后掠翼导弹制导精度研究(英文)

将飞行器变后掠翼技术应用于导弹上,弹翼的运动对弹体动态特性与整个系统的制导精度会直接产生影响。首先基于多刚体动力学原理获得的变后掠翼导弹完整的数学模型,通过小扰动线性化方法得到了弹体相关的传递函数,并利用统计线性化方法计算了制导数学模型的均值与协方差传播方程,最后应用协方差分析描述函数方法分析得到了导弹的弹翼转动速度、弹翼后掠角大小与弹翼转动时刻对制导精度影响的规律。     

基于时间序列预测的独立分量排序

独立分量排序是独立分量分析的热点问题,是提高特征空间鲁棒性和减少计算复杂度的必要前提。结合ICA在时间序列预测的应用,给出了基于一阶差分和最小方差误差的多分量联合重构预测排序准则。为了避免联合优化中出现的海量计算问题,提出了添加-测试-接受机制(ATA)的次优搜索方法。实验结果表明,和传统排序方法比较,新方法具有优异的预测能力和搜索效率。