神经计算机及其研究进展

本文分析比较了神经计算机与传统计算机的联系与区别。在软件实现、虚拟实现和全硬件实现三个方面,综述了近年来国际神经计算机的研究进展。最后,在就神经网络的兴衰原因提出自己的不同看法后,对神经计算机的发展方向作了展望。     

地基伪卫星导航系统的伪距精度估计方法

地基伪卫星导航系统的伪距和伪距变率精度对评估系统的导航性能或其信息与其他系统导航信息的融合意义重大。目前的伪距和伪距变率精度估计方法基本上都是针对卫星导航系统的,并且没有充分考虑地基伪卫星导航系统自身的特点。通过构造伪距和伪距变率精度观测量,利用地基伪卫星导航系统可产生较差定位构型的特点,提出了一种在外测系统定位定速精度较差且存在杆臂长度的情况下仍然能够获取准确估计量的伪距和伪距精度估计方法。仿真结果表明所提方法可有效地估计出伪距和伪距变率的精度而且具有较强的适用性。     

梯格形自适应控制

本文讨论并解决了具有d步时延的多变量系统的梯格形自适应控制问题。为此,把自适应控制下的闭环系统嵌入到ARMA模型中,采用梯格算法进行预报。为了考虑d步时延控制系统,采用简捷方法推导了d步梯格预报公式,并给出了控制量的确定方法。采用梯格形自适应控制可方便地调节模型的阶次,从而可以克服对象阶次不准引起的自适应控制失效的问题。     

BDS/INS紧组合三频动对动模糊度解算方法

针对伪距观测噪声较大导致动对动条件下三频整周模糊度解法(Three Carrier Ambiguity Resolution, TCAR)模糊度解算不可靠的问题,提出了一种BDS/INS紧组合三频动对动整周模糊度解算方法。通过紧组合系统输出的高精度位置坐标,估算出双差几何距离值,并用其分别代替无几何和几何模式下的双差伪距观测值,显著降低了伪距双差观测噪声水平,有效提高了三频整周模糊度解算成功率。仿真实验结果表明,BDS/INS紧组合输出的高精度位置坐标使得伪距观测精度提高了60%以上,在短基线条件下,当伪距观测噪声达到2 m时,无几何模式下的TCAR算法模糊度解算成功率为0.73%,几何模式下的TCAR算法模糊度解算成功率为31.25%,而BDS/INS紧组合的TCAR算法在两种模式下的模糊度解算成功率达到99%以上,并且获得了厘米级的相对定位精度。