一种基于Q-R矩阵分解的自适应滤波算法

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性。在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于Q-R矩阵分解的自适应卡尔曼滤波算法。将协方差阵分解为两个矩阵的乘积,来保证协方差矩阵的正定性。仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点。     

一种求解飞行器廓线间断处超音速复杂流场的方法

用有限体积法求解三维完全气体的Ｎａｖｉｅｒ－Ｓｔｏｋｅｓ方程,并将通量守恒的分区计算方法和Ｂ－Ｌ湍流模型修正结合在一起,捕捉到了间断处的分离涡、激波、膨胀波等流场信息     

增量元学习IDBD算法在轴频电场信号检测中的应用

为了提高海洋环境电场背景中微弱舰船轴频电场的检测能力,针对传统的最小均方误差算法进行了改进,提出了一种基于增量元学习IDBD算法的自适应线谱增强器。利用所提算法对舰船缩比模型产生的实测轴频电场信号数据进行处理,结果表明该算法在低信噪比的情况下能够有效地将微弱轴频电场信号从宽带背景噪声中分离出来。所提算法相比于普通的自适应线谱算法,在改善信号的信噪比方面效果更加显著,且具有更快的收敛速度和更小的稳态误差,极大提高了舰船轴频电场的检测能力。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

卫星导航弱信号的变维卡尔曼滤波跟踪算法

复杂环境下的多普勒频移变化及信号功率衰减均会造成载波跟踪偏差较大甚至失锁,针对标准卡尔曼滤波算法跟踪机动目标时不能同时满足高动态及高灵敏度要求的问题,提出一种基于变维卡尔曼滤波的载波跟踪算法。引入机动和非机动两种载波跟踪模型,通过机动检测因子监视载波动态变化,实时高效地切换载波跟踪模型,从而实现对载波机动和非机动状态的自适应跟踪,抑制机动改变引起的较大误差突跳。理论分析和仿真结果表明,该算法在低至30d BHz弱信号环境下,相比基于标准卡尔曼滤波的跟踪算法,其在目标动态突变时相位跟踪误差减小约37.5%,频率跟踪误差减小约77%。     

极区格网导航在大圆航行中的应用

为了克服因极区地理经线快速收敛而产生的惯导系统无法准确定位的难题,对极区格网导航在大圆航行中的应用进行了研究,提出将过大圆顶点的子午线作为格网北的极区格网导航方法,根据格网北进行了航向推算,分别对大圆顶点相对于大圆端点对称的特殊情况以及大圆顶点相对于大圆端点非对称的常规情况进行了航向推算,并分析了航向误差产生的原因。理论分析证明该方法能够为船舶高纬度航行提供准确的位置信息。     

基于自适应二阶终端滑模的航天器有限时间姿态机动算法

针对航天器有限时间姿态机动问题,提出一种自适应二阶终端滑模控制算法。设计一种终端滑模面,保证系统状态能够在有限时间内沿滑模面收敛到系统原点;为克服系统抖振,设计了二阶终端滑模控制器,并采用参数自适应估计项补偿系统中的外部干扰力矩。基于Lyapunov函数法证明了二阶自适应终端滑模控制器能够保证闭环系统实际有限时间稳定。仿真结果表明,提出的姿态机动算法响应速度快、精度高,能够有效实现对系统抖振和外部干扰的抑制,具有重要的科学意义和工程应用价值。     

基于动态自适应蚁群算法的航线规划仿真

蚁群算法是一种新型的基于群体的仿生算法,其在解决飞机航线规划问题中已经获得了较为广泛的应用。在传统蚁群算法的基础上提出了一种动态自适应调整信息素蚁群算法的航线规划算法,即在航线点搜索过程中对信息素强度Q值进行动态自适应调整,并将三维地形、雷达威胁等因素结合到算法中。仿真结果表明,该改进算法能够有效解决扩大搜索空间和寻找最优解之间的矛盾,帮助飞行员更快地规划出一条最优航线,为更好完成作战任务奠定了良好的基础。     

基于AP-DE算法动态迭代步长的研究

为了促进自适应滤波器的滤波性能,建立了一种变步长的基于直接迭代误差AP-DE算法。通过使得权值均方误差下降速度最大,获得了AP-DE算法的优化迭代步长,并分析了所建立算法权值均方误差的统计特性。     

基于综合识别的高速飞行器自适应控制方法(英文)

针对高速飞行器的传统自适应控制方法中控制器参数获取时间长,辨识存在收敛性的问题,设计了一种基于综合识别方法的新型自校正控制方案。首先,由在线直接可测量构成特征模型的特征状态量,并以特征模型作为参考模型来设计控制器;其次,通过获得的特征状态量来在线调配对象系统的零极点,输出达到期望性能所需要的控制参数。仿真结果表明:该方法能较理想地实现在线自适应控制,保证系统良好的鲁棒性和快速性,同时在工程上易于实现。